python - Selenium da el nombre del archivo al descargar

file download

Question

Estoy trabajando con un script de selenio donde estoy tratando de descargar un archivo de Excel y darle un nombre específico. Este es mi código:

¿Hay alguna forma de darle un nombre específico al archivo que se está descargando?

Código:

#!/usr/bin/python
from selenium import webdriver
from selenium.webdriver.firefox.firefox_profile import FirefoxProfile

profile = FirefoxProfile()
profile.set_preference("browser.helperApps.neverAsk.saveToDisk", "text/plain, application/vnd.ms-excel, text/csv, text/comma-separated-values, application/octet-stream")
profile.set_preference("browser.download.dir", "C://Downloads" )
browser = webdriver.Firefox(firefox_profile=profile)

browser.get(''https://test.com/'')
browser.find_element_by_partial_link_text("Excel").click() # Download file

Answer 1

Aquí hay otra solución simple, donde puede esperar hasta que se complete la descarga y luego obtener el nombre del archivo descargado de las descargas de Chrome.

Cromo:

# method to get the downloaded file name
def getDownLoadedFileName(waitTime):
    driver.execute_script("window.open()")
    # switch to new tab
    driver.switch_to.window(driver.window_handles[-1])
    # navigate to chrome downloads
    driver.get(''chrome://downloads'')
    # define the endTime
    endTime = time.time()+waitTime
    while True:
        try:
            # get downloaded percentage
            downloadPercentage = driver.execute_script(
                "return document.querySelector(''downloads-manager'').shadowRoot.querySelector(''#downloadsList downloads-item'').shadowRoot.querySelector(''#progress'').value")
            # check if downloadPercentage is 100 (otherwise the script will keep waiting)
            if downloadPercentage == 100:
                # return the file name once the download is completed
                return driver.execute_script("return document.querySelector(''downloads-manager'').shadowRoot.querySelector(''#downloadsList downloads-item'').shadowRoot.querySelector(''div#content  #file-link'').text")
        except:
            pass
        time.sleep(1)
        if time.time() > endTime:
            break

Firefox

def getDownLoadedFileName(waitTime):
    driver.execute_script("window.open()")
    WebDriverWait(driver,10).until(EC.new_window_is_opened)
    driver.switch_to.window(driver.window_handles[-1])
    driver.get("about:downloads")

    endTime = time.time()+waitTime
    while True:
        try:
            fileName = driver.execute_script("return document.querySelector(''#contentAreaDownloadsView .downloadMainArea .downloadContainer description:nth-of-type(1)'').value")
            if fileName:
                return fileName
        except:
            pass
        time.sleep(1)
        if time.time() > endTime:
            break

Una vez que haga clic en el enlace / botón de descarga, simplemente llame al método anterior.

 # click on download link
 browser.find_element_by_partial_link_text("Excel").click()
 # get the downloaded file name
 latestDownloadedFileName = getDownLoadedFileName(180) #waiting 3 minutes to complete the download
 print(latestDownloadedFileName)

JAVA + Chrome:

Aquí está el método en Java.

public String waitUntilDonwloadCompleted(WebDriver driver) throws InterruptedException {
      // Store the current window handle
      String mainWindow = driver.getWindowHandle();

      // open a new tab
      JavascriptExecutor js = (JavascriptExecutor)driver;
      js.executeScript("window.open()");
     // switch to new tab
    // Switch to new window opened
      for(String winHandle : driver.getWindowHandles()){
          driver.switchTo().window(winHandle);
      }
     // navigate to chrome downloads
      driver.get("chrome://downloads");

      JavascriptExecutor js1 = (JavascriptExecutor)driver;
      // wait until the file is downloaded
      Long percentage = (long) 0;
      while ( percentage!= 100) {
          try {
              percentage = (Long) js1.executeScript("return document.querySelector(''downloads-manager'').shadowRoot.querySelector(''#downloadsList downloads-item'').shadowRoot.querySelector(''#progress'').value");
              //System.out.println(percentage);
          }catch (Exception e) {
            // Nothing to do just wait
        }
          Thread.sleep(1000);
      }
     // get the latest downloaded file name
      String fileName = (String) js1.executeScript("return document.querySelector(''downloads-manager'').shadowRoot.querySelector(''#downloadsList downloads-item'').shadowRoot.querySelector(''div#content #file-link'').text");
     // get the latest downloaded file url
      String sourceURL = (String) js1.executeScript("return document.querySelector(''downloads-manager'').shadowRoot.querySelector(''#downloadsList downloads-item'').shadowRoot.querySelector(''div#content #file-link'').href");
      // file downloaded location
      String donwloadedAt = (String) js1.executeScript("return document.querySelector(''downloads-manager'').shadowRoot.querySelector(''#downloadsList downloads-item'').shadowRoot.querySelector(''div.is-active.focus-row-active #file-icon-wrapper img'').src");
      System.out.println("Download deatils");
      System.out.println("File Name :-" + fileName);
      System.out.println("Donwloaded path :- " + donwloadedAt);
      System.out.println("Downloaded from url :- " + sourceURL);
     // print the details
      System.out.println(fileName);
      System.out.println(sourceURL);
     // close the downloads tab2
      driver.close();
     // switch back to main window
      driver.switchTo().window(mainWindow);
      return fileName;
  }

Así es como llamar a esto en su script java.

// download triggering step 
downloadExe.click();
// now waituntil download finish and then get file name
System.out.println(waitUntilDonwloadCompleted(driver));

Salida:

Descargar detalles

Nombre de archivo: -RubyMine-2019.1.2 (7) .exe

Ruta descargada: - Chrome: //fileicon/C%3A%5CUsers%5Csupputuri%5CDownloads%5CRubyMine-2019.1.2%20 (7) .exe? Scale = 1.25x

Descargado desde url: - https://download-cf.jetbrains.com/ruby/RubyMine-2019.1.2.exe

RubyMine-2019.1.2 (7) .exe

Answer 2

Espero que este fragmento no sea tan confuso. Me tomó un tiempo crear esto y es realmente útil, porque no ha habido una respuesta clara a este problema, solo con esta biblioteca.

import os
import time
def tiny_file_rename(newname, folder_of_download):
    filename = max([f for f in os.listdir(folder_of_download)], key=lambda xa :   os.path.getctime(os.path.join(folder_of_download,xa)))
    if ''.part'' in filename:
        time.sleep(1)
        os.rename(os.path.join(folder_of_download, filename), os.path.join(folder_of_download, newname))
    else:
        os.rename(os.path.join(folder_of_download, filename),os.path.join(folder_of_download,newname))

Espero que esto salve el día de alguien, saludos.

EDITAR: Gracias a @Om Prakash que editó mi código, me hizo recordar que no expliqué el código sin embargo.

El uso de la función max([]) podría provocar una condición de carrera, dejándolo con un archivo vacío o dañado (lo sé por experiencia). En primer lugar, desea verificar si el archivo está completamente descargado. Esto se debe al hecho de que el selenio no espera a que se complete la descarga del archivo, por lo que cuando verifique el último archivo creado, aparecerá un archivo incompleto en su lista generada e intentará mover ese archivo. E incluso entonces, es mejor esperar un poco para que el archivo esté libre de Firefox.

EDIT 2: más código

Me preguntaron si 1 segundo era suficiente y, sobre todo, lo es, pero en caso de que necesite esperar más de eso, puede cambiar el código anterior a esto:

import os
import time
def tiny_file_rename(newname, folder_of_download, time_to_wait=60):
    time_counter = 0
    filename = max([f for f in os.listdir(folder_of_download)], key=lambda xa :   os.path.getctime(os.path.join(folder_of_download,xa)))
    while ''.part'' in filename:
        time.sleep(1)
        time_counter += 1
        if time_counter > time_to_wait:
            raise Exception(''Waited too long for file to download'')
    filename = max([f for f in os.listdir(folder_of_download)], key=lambda xa :   os.path.getctime(os.path.join(folder_of_download,xa)))
    os.rename(os.path.join(folder_of_download, filename), os.path.join(folder_of_download, newname))

Answer 3

Hay algo que corregiría para la respuesta de @parishodak:

el nombre de archivo aquí solo devolverá la ruta relativa (aquí el nombre del archivo), no la ruta absoluta.

Es por eso que @FreshRamen recibió el siguiente error después:

File "/usr/local/Cellar/python/2.7.10_2/Frameworks/Python.framework/Versions/2.7/lib/‌​python2.7/genericpath.py", 
line 72, in getctime return os.stat(filename).st_ctime OSError: 
[Errno 2] No such file or directory: ''.localized''

Existe el código correcto:

import os
import shutil

filepath = ''c:/downloads''
filename = max([filepath +"/"+ f for f in os.listdir(filepath)], key=os.path.getctime)
shutil.move(os.path.join(dirpath,filename),newfilename)

Answer 4

No puede especificar el nombre del archivo de descarga a través de selenio. Sin embargo, puede descargar el archivo, encontrar el último archivo en la carpeta descargada y cambiar el nombre como desee.

Nota: los métodos prestados de las búsquedas de Google pueden tener errores. Pero se entiende la idea.

import os
import shutil

filename = max([f for f in os.listdir(''c:/downloads'')], key=os.path.getctime)
shutil.move(os.path.join(dirpath,filename),newfilename)

Answer 5

Puede descargar el archivo y nombrarlo al mismo tiempo usando urlretrieve :

import urllib

url = browser.find_element_by_partial_link_text("Excel").get_attribute(''href'')
urllib.urlretrieve(url, "/choose/your/file_name.xlsx")