Question

您好我正在尝试从此网址（http://www.sicom.gov.co/precios/controller?accion=ExportToExcel）下载excel文件，然后我需要使用xlrd解析它。

问题是，当我将这个Url放在浏览器上时，我得到一个或多或少2MB的excel文件，但是当我使用urllib2，http2lib甚至curl从命令行下载文件时，我只得到一个4k文件，显然解析那个不完整的文件失败了。

奇怪的是，xlrd似乎能够从下载的文件中读取正确的工作表名称，所以我猜这个文件是正确的，但它显然是不完整的。

以下是我正在尝试实现的一些示例代码

import urllib2
from xlrd import open_workbook

excel_url = 'http://www.sicom.gov.co/precios/controller?accion=ExportToExcel'

result = urllib2.urlopen(excel_url)
wb = open_workbook(file_contents=result.read())
response = ""
for s in wb.sheets():
            response += 'Sheet:' + s.name + '<br>'
            for row in range(s.nrows):
                values = []
                for col in range(s.ncols):
                    value = s.cell(row, col).value
                    if (value):
                        values.append(str(value) + " not empty")
                    else:
                        values.append("Value at " + col + ", " + row + " was empty")
                response += str(values) + "<br>"

Answer 1

你必须先打电话给你的第一个网址。它似乎设置了一个cookie或类似的东西。然后调用第二个来下载excel文件。对于这类工作，您应该更喜欢http://docs.python-requests.org/en/latest/#，因为它比标准的lib工具更容易使用，并且它在默认情况下处理特殊情况（如cookie）要好得多。

import requests

s = requests.Session()
s.get('http://www.sicom.gov.co/precios/controller?accion=Home&option=SEARCH_PRECE')
response = s.get('http://www.sicom.gov.co/precios/controller?accion=ExportToExcel')

with file('out.xls','wb') as f:
    f.write(response.content)

无法使用urllib2下载整个文件

1 个答案: