【问题标题】：Getting size of pdf without downloading无需下载即可获得pdf的大小
【发布时间】：2014-06-22 13:24:11
【问题描述】：

是否可以知道 pdf 的大小，例如http://example.com/ABC.pdf 在 python 中使用 requests 模块而不实际下载它。我正在编写一个应用程序，如果互联网速度很慢并且 pdf 的大小很大，那么它将推迟下载以供将来使用

【问题讨论】：

标签： python http-headers request

【解决方案1】：

使用 HTTP-HEAD 请求

响应应在标题中提供要下载的文件的更多详细信息，而无需获取完整文件。

>>> url = "http://www.pdf995.com/samples/pdf.pdf"
>>> req = requests.head(url)
>>> req.content
''
>>> req.headers["content-length"]
'433994'

或尝试流式读取

>>> req = requests.get(url, stream=True)
>>> res = req.iter_content(30)
>>> res
<generator object generate at 0x7f9ad3270320>
>>> res.next()
'%PDF-1.3\n%\xc7\xec\x8f\xa2\n30 0 obj\n<</Len'
>>> res.next()
'gth 31 0 R/Filter /FlateDecode'
>>> res.next()
'>>\nstream\nx\x9c\xed}\xdd\x93%\xb7m\xef\xfb\xfc\x15S\xf7%NU\xf6\xb8'

然后您可以从初始 pdf 文件字节解码 pdf 大小并决定是否继续。

使用 Range 请求标头

HTTP 只允许请求检索字节范围。

如果您的服务器支持，您可以使用一个技巧，您要求提供仅适用于太大文件的字节范围。如果你得到一些字节（并且状态是好的），你就知道，文件太大了。

如果你得到一个异常ChunkedEncodingError: IncompleteRead(0 bytes read)，那么你知道，文件变小了。

这样称呼它：

>>> headers = {"Range": "bytes=999500-999600"}
>>> req = requests.get(url, headers=headers)

这只有在您的服务器允许提供部分内容时才有效。

【讨论】：

我正在下载的 pdf 文件在标题中没有任何“内容长度”键。在我读到的有关 .jpg 文件的一个问题中，您可以读取前 24 或 50 个字节并确定大小。如果是pdf文件，是否可以遵循类似的方法
在这种情况下，您应根据您的要求使用stream 参数（获取、发布，无论返回pdf）。
@bhavesh 添加了流式解决方案。我没有调查，如何从它的初始字节确定 PDF 的大小，但应该不难找到它。

【解决方案2】：

这样

import urllib2
response = urllib2.urlopen('http://example.com/ABC.pdf')
size_of_pdf = response.headers['Content-Length']

在调用response.read()之前，不会下载内容。

看看Response Headers中的Wikipedia

...
Content-Length  The length of the response body in octets (8-bit bytes) Content-Length: 348 Permanent
...

OP 要求使用requests，所以@JanVlcinsky 的回答更合适。

【讨论】：

请注意：OP 要求使用requests 模块。