如何安全地从URL获取文件扩展名？

Question

考虑以下url

http://m3u.com/tunein.m3u
http://asxsomeurl.com/listen.asx:8024
http://www.plssomeotherurl.com/station.pls?id=111
http://22.198.133.16:8024

确定文件扩展名（.m3u/.asx/.pls）的正确方法是什么？显然最后一个没有文件扩展名。

编辑：我忘了提到m3u/asx/pls是音频流的播放列表（文本文件），必须进行不同的解析。目标确定扩展名，然后将url发送到正确的解析函数。例如。

url = argv[1]
ext = GetExtension(url)
if ext == "pls":
  realurl = ParsePLS(url)
elif ext == "asx":
  realurl = ParseASX(url)
(etc.)
else:
  realurl = url
Play(realurl)

GetExtension（）应该返回文件扩展名（如果有的话），最好不要连接到URL。

Answer 1

真正的正确方法是根本不使用文件扩展名。对有问题的URL执行GET（或HEAD）请求，并使用返回的“Content type”HTTP头获取内容类型。文件扩展名不可靠。

有关更多信息和有用的MIME类型列表，请参见MIME types (IANA media types)。

Answer 2

这对于requests和mimetypes来说是最简单的：

import requests
import mimetypes

response = requests.get(url)
content_type = response.headers['content-type']
extension = mimetypes.guess_extension(content_type)

扩展名包含一个点前缀。例如，extension是内容类型'image/png'的'.png'。

Answer 3

使用urlparse解析URL外的路径，然后使用os.path.splitext获取扩展名。

import urlparse, os

url = 'http://www.plssomeotherurl.com/station.pls?id=111'
path = urlparse.urlparse(url).path
ext = os.path.splitext(path)[1]

请注意，扩展名可能不是文件类型的可靠指示器。HTTPContent-Type头可能更好。