无法解析 HTTP 响应中的文件名编码 headers

Question

我正在尝试使用 urrlib.request 在 Python 中发出 HTTP 请求：

import urllib.request
url = 'https://www.example.com/pdf/123'
request = urllib.request.urlopen(url)
headers = request.getheaders()

当尝试打印 headers 时，输出包括使用西里尔语言但编码错误的文件名：

('Content-Disposition', 'attachment; filename="Ð\x9fÑ\x80Ð¾ Ð½Ð°Ñ\x83Ðº-Ð´Ð¾Ñ\x81Ð» Ñ\x81ÐµÐ¼Ñ\x96Ð½Ð°Ñ\x80.pdf"; modification-date="Thu, 12 May 2016 01:48:56 +0300"; size=57814;')

这可能与默认设置的二进制编码有关，因为 HTTp 响应是 PDF 文件，但我可能是错的。此外，尝试通过浏览器下载该文件，并且文件名以没有 mojibake 的西里尔语言正确显示和保存：Про наук-досл семінар.pdf.

所以，我猜，"Ð\x9fÑ\x80Ð¾ Ð½Ð°Ñ\x83Ðº-Ð´Ð¾Ñ\x81Ð» Ñ\x81ÐµÐ¼Ñ\x96Ð½Ð°Ñ\x80" 对应于 "Про наук-досл семінар"。

如何让 Python 在 HTTP 响应 headers 中正确显示文件名？

Answer 1

想通了。将 headers 返回的字符串编码为 latin-1，然后将其解码为 utf-8 对我有用。

输入：

headers[6][1]

输出：

'attachment; filename="Ð\x9fÑ\x80Ð¾ Ð½Ð°Ñ\x83Ðº-Ð´Ð¾Ñ\x81Ð» Ñ\x81ÐµÐ¼Ñ\x96Ð½Ð°Ñ\x80.pdf"; modification-date="Thu, 12 May 2016 01:48:56 +0300"; size=57814;'

输入：

headers[6][1].encode('latin1')

输出：

b'attachment; filename="\xd0\x9f\xd1\x80\xd0\xbe \xd0\xbd\xd0\xb0\xd1\x83\xd0\xba-\xd0\xb4\xd0\xbe\xd1\x81\xd0\xbb \xd1\x81\xd0\xb5\xd0\xbc\xd1\x96\xd0\xbd\xd0\xb0\xd1\x80.pdf"; modification-date="Thu, 12 May 2016 01:48:56 +0300"; size=57814;'

输入：

headers[6][1].encode('latin1').decode('utf-8')

输出：

'attachment; filename="Про наук-досл семінар.pdf"; modification-date="Thu, 12 May 2016 01:48:56 +0300"; size=57814;'

无法解析 HTTP 响应中的文件名编码 headers

Cannot resolve encoding of filename in HTTP response headers

python

encoding

urllib

request

http-headers