如何在python中读取selenium webdriver下载的文件

Question

我在python中使用selenium和webdriver从站点下载csv文件。文件被下载到指定的下载目录中。下面是我的代码概述

fp = webdriver.FirefoxProfile()
fp.set_preference("browser.download.folderList", 2)
fp.set_preference("browser.download.manager.showWhenStarting", False)
fp.set_preference("browser.download.dir",'xx/yy')
fp.set_preference('browser.helperApps.neverAsk.saveToDisk', "text/plain, application/vnd.ms-excel, text/csv, text/comma-separated-values, application/octet-stream")
driver = webdriver.Firefox(fp)
driver.get('url')

我需要print将这个csv的内容发送到终端。很多类似的随机文件会被下载到同一个文件夹中，所以通过文件名访问文件是行不通的，因为我不知道它会是什么

Answer 1

在Selenium中下载文件从来不是一个好主意。你不能控制下载文件的位置和文件名，如果你想知道，那么你必须使用肮脏的黑客。这取决于浏览器及其设置，以及以前是否下载过同一文件。

另外，你必须注意在下载后删除文件，否则，同一文件的许多副本将垃圾邮件你的硬盘驱动器，直到它完全充满。

如果可能的话，你应该打电话给

string downloadUrl = ButtonDownloadPdf.GetAttribute("href");

然后自己处理下载，使用常规方法，而不是Selenium。

Answer 2

您可以从该位置获取最后下载的文件，然后读取该文件：

path = /path to folder
list = os.listdir(path)
time_sorted_list = sorted(list, key=os.path.getmtime)
file_name = time_sorted_list[len(time_sorted_list)-1]

然后你可以从这个文件中读取。希望不会有多个文件通过并行进程到达那里。

编辑： 刚才看到有评论说有多个实例可以下载，所以您可以使用urllib，并使用其url下载文件：

import urllib
urllib.urlretrieve( "http://www.example.com/yourfile.ext", "your-file-name.ext") // you can provide unique-id to your file name

Answer 3

这个答案是由之前的堆栈溢出问题、答案和评论组成的，谢谢大家。

我将selenium webdriver和python请求模块结合在一起实现了这个解决方案。我基本上是使用selenium登录站点，从webdriver会话复制cookies，然后使用requests.get（url，cookies=webdriver_cookies）获取文件。

这是我解决问题的要点

fp = webdriver.FirefoxProfile() 
fp.set_preference("browser.download.folderList", 2)
fp.set_preference("browser.download.manager.showWhenStarting", False) 
fp.set_preference("browser.download.dir",'xx/yy') 
fp.set_preference('browser.helperApps.neverAsk.saveToDisk', "text/plain, application/vnd.ms-excel, text/csv, text/comma-separated-values, application/octet-stream") 
driver = webdriver.Firefox(fp)

# selenium login code ...

driver_cookies = driver.get_cookies()
cookies_copy = {}
for driver_cookie in driver_cookies:
    cookies_copy[driver_cookie["name"]] = driver_cookie["value"]
r = requests.get('url',cookies = cookies_copy)
print r.text

我希望这能帮助某人