我正在从Web服务器下载整个目录。它可以正常工作，但是我无法弄清楚如何在下载之前获取文件大小以进行比较(如果服务器上是否已对其进行了更新)。可以像从FTP服务器下载文件一样完成此操作吗？

import urllib
import re

url = "http://www.someurl.com"

# Download the page locally
f = urllib.urlopen(url)
html = f.read()
f.close()

f = open ("temp.htm", "w")
f.write (html)
f.close()

# List only the .TXT / .ZIP files
fnames = re.findall('^.*<a href="(\w+(?:\.txt|.zip)?)".*$', html, re.MULTILINE)

for fname in fnames:
    print fname, "..."

    f = urllib.urlopen(url + "/" + fname)

    #### Here I want to check the filesize to download or not #### 
    file = f.read()
    f.close()

    f = open (fname, "w")
    f.write (file)
    f.close()

@Jon：感谢快速回答。它可以工作，但是Web服务器上的文件大小略小于下载文件的文件大小。

例子：

Local Size  Server Size
 2.223.533  2.115.516
   664.603    662.121

与CR / LF转换有关系吗？

解决方案

回答

文件的大小作为Content-Length标头发送。这是使用urllib获取它的方法：

>>> site = urllib.urlopen("http://python.org")
>>> meta = site.info()
>>> print meta.getheaders("Content-Length")
['16535']
>>>

回答

使用返回的urllib对象方法info()，我们可以获得有关已检索文档的各种信息。抓取当前Google徽标的示例：

>>> import urllib
>>> d = urllib.urlopen("http://www.google.co.uk/logos/olympics08_opening.gif")
>>> print d.info()

Content-Type: image/gif
Last-Modified: Thu, 07 Aug 2008 16:20:19 GMT  
Expires: Sun, 17 Jan 2038 19:14:07 GMT 
Cache-Control: public 
Date: Fri, 08 Aug 2008 13:40:41 GMT 
Server: gws 
Content-Length: 20172 
Connection: Close

这是一个决定，因此，要获取文件的大小，请执行urllibobject.info()['Content-Length']`

print f.info()['Content-Length']

要获取本地文件的大小(用于比较)，可以使用os.stat()命令：

os.stat("/the/local/file.zip").st_size

回答

另外，如果我们要连接的服务器支持它，请查看Etags以及If-Modified-Since和If-None-Match标头。

使用这些将利用Web服务器的缓存规则，如果内容未更改，则将返回304未修改状态代码。

回答

我转载了我们所看到的：

import urllib, os
link = "http://python.org"
print "opening url:", link
site = urllib.urlopen(link)
meta = site.info()
print "Content-Length:", meta.getheaders("Content-Length")[0]

f = open("out.txt", "r")
print "File on disk:",len(f.read())
f.close()

f = open("out.txt", "w")
f.write(site.read())
site.close()
f.close()

f = open("out.txt", "r")
print "File on disk after download:",len(f.read())
f.close()

print "os.stat().st_size returns:", os.stat("out.txt").st_size

输出此：

opening url: http://python.org
Content-Length: 16535
File on disk: 16535
File on disk after download: 16535
os.stat().st_size returns: 16861

我在这里做错了什么？ os.stat()。st_size是否没有返回正确的大小？

编辑：
好的，我找出了问题所在：

import urllib, os
link = "http://python.org"
print "opening url:", link
site = urllib.urlopen(link)
meta = site.info()
print "Content-Length:", meta.getheaders("Content-Length")[0]

f = open("out.txt", "rb")
print "File on disk:",len(f.read())
f.close()

f = open("out.txt", "wb")
f.write(site.read())
site.close()
f.close()

f = open("out.txt", "rb")
print "File on disk after download:",len(f.read())
f.close()

print "os.stat().st_size returns:", os.stat("out.txt").st_size

输出：

$ python test.py
opening url: http://python.org
Content-Length: 16535
File on disk: 16535
File on disk after download: 16535
os.stat().st_size returns: 16535

确保打开两个文件以进行二进制读/写。

// open for binary write
open(filename, "wb")
// open for binary read
open(filename, "rb")