获取最终重定向的URL

Question

我的代码如下：

url_orig ='http://www.has-sante.fr/portail/jcms/c_676945/fr/prialt-ct-5245'
u = urllib.request.urlopen(url_orig)
print (u.geturl())

基本上当URL被重定向两次时。输出应为：

http://www.has-sante.fr/portail/upload/docs/application/pdf/2008-07/ct-5245_prialt_.pdf

但我得到的输出是第一个重定向：

http://www.has-sante.fr/portail/plugins/ModuleXitiKLEE/types/FileDocument/doXiti.jsp?id=c_676945

如何获得所需的最终URL？任何帮助都将不胜感激！

Answer 1

这可能有点过分，但它是使用正则表达式的另一种选择。这个答案使用Selenium web自动机Python APIs跟踪重定向。它还将在浏览器窗口中打开pdf文件。下面的代码要求您使用的是Firefox，但您也可以使用其他浏览器，方法是将名称替换为您要使用的浏览器，即webdriver.Chrome（）、webdriver.i e（）。

安装硒：pip install selenium

代码：

from selenium import webdriver

driver = webdriver.Firefox()
link = 'http://www.has-sante.fr/portail/jcms/c_676945/fr/prialt-ct-5245'

driver.get(link)
print(driver.current_url)

也可以在后台运行浏览器，这样就不会弹出窗口。此解决方案的附加好处是，如果它们改变了re-direction的工作方式，则无需更新代码中的正则表达式。

Answer 2

这是可行的，他们使用javascript或html标记重定向，因此寻找“Location”头是行不通的。这不是一个优雅的解决方案，但它是有效的。

import urllib.request
url ='http://www.has-sante.fr/portail/jcms/c_676945/fr/prialt-ct-5245'

req = str(urllib.request.urlopen(url).read())
url = req.split("URL=\\'")[1].split("\\'\">'")[0].strip("../")

print("http://www.has-sante.fr/portail/" + url)