下载文件时根据MIME类型自动判断保存文件的扩展名

引言

用WebClient下载远程资源时，经常会遇到类似这样的网址：

http://www.uushare.com/filedownload?user=icesee&id=2205188

http://www.guaishow.com/u/luanfujie/g9675/

我们不知道这个Url具体代表的是一个网页，还是某种类型的文件。

而有些Url虽然带有扩展名，但可能是错误的扩展名，常见的比如把gif文件标上了jpg扩展名。

如果我们没法正确判断下载源的文件类型的话，就无法保存为正确的文件格式，会给后续操作及人工阅览造成困扰。

所幸的是，WebRequest可以给出下载源的MIME信息，这让我们可以确定文件的真实格式，并以此来决定最终的存储扩展名。（MIME是什么？）

 

建立MIME映射字典

我们首先需要做的工作就是建立一个MIME类型到其对应扩展名的映射字典。

我从网上找来了一个MIME类型列表，并通过正则表达式将其转换为程序代码，粘入了程序中：

 

这个通过正则表达式转换而来的代码量非常大。

需注意的是，其中有很多MIME类型相同但扩展名不同的数据，我们在添加到字典时就将多余的不必要记录忽略了，比如高亮处的那三条都是audio/x-aiff类型，那么后两个扩展名都不会添加到字典中，也不会在后续的操作中被使用。

如果你觉得有些类型添加的对应扩展名不是最常见的对应类型的话，就得手动调整代码了。（下文中就出现了这种情况，如text/html对应的是dhtml扩展名，image/jpeg对应的是jpe扩展名）

字典构建完毕之后，就可以通过这样一个方法来获取MIME类型所对应的扩展名了：

 

string 获取对应扩展名(string ContentType)

{

    foreach (var f in MimeDic.Keys)

    {

        if (ContentType.ToLower().IndexOf(f) >= 0) return MimeDic[f];

    }

    return null;

}

 

这里之所以使用IndexOf方法判断，是因为传入的ContentType中可能还包含其他信息，比如编码格式。

题外话：看到网上曾有人抱怨说WebClient下载网页时容易产生乱码，而且又不好读取网页的编码格式，其实WebRequest的ContentType中就包含MIME和编码格式信息：

 

生成下载文件路径

现在有了上面的方法，我们就可以通过MIME类型确定文件的扩展名了。

现在我们将书写一个用于生成下载文件路径的方法，其功能为：

1. 分析文件的源Url，将其文件名部分作为下载文件的文件名。
2. 如果其Url中不含文件名部分（域名或目录形式），则以其目录名为下载文件的文件名。
3. 根据传入的MIME类型自动确定并替换Url中的原始扩展名（如果有的话），以用作下载文件的文件名。
4. 判断传入的存储目录中是否已存在与下载文件名相同的文件，存在的话就进行重命名，直到没有同名文件为止。

功能有点多了，不适合做范例，不过还是很实用的，所以这里就顺道分享出来。

其代码为：

 

string 生成下载文件存放路径(string 存放目录, Uri Uri, string ContentType)

{

    var ex = 获取对应扩展名(ContentType);

    string up = null;

    string upne = null;

    if (Uri.LocalPath == "/")

    {

        //处理Url是域名的情况

        up = upne = Uri.Host;

    }

    else

    {

        if (Uri.LocalPath.EndsWith("/"))

        {

            //处理Url是目录的情况

            up = Uri.LocalPath.Substring(0, Uri.LocalPath.Length - 1);

            upne = Path.GetFileName(up);

        }

        else

        {

            //处理常规Url

            up = Uri.LocalPath;

            upne = Path.GetFileNameWithoutExtension(up);

        }

    }

    var name = string.IsNullOrEmpty(ex) ? Path.GetFileName(up) : upne + "." + ex;

    var fn = Path.Combine(存放目录, name);

    var x = 1;

    while (File.Exists(fn))

    {

        fn = Path.Combine(存放目录, Path.GetFileNameWithoutExtension(name) + "(" + x++ + ")" + Path.GetExtension(name));

    }

    return fn;

}

 

为了验证其效果，我们通过一个单元测试进行评测：

 

[TestMethod]

public void 文件名生成测试()

{

    var d = @"C:\Users\Public\Downloads";

    //gif格式文件，正常下载

    Assert.AreEqual(@"C:\Users\Public\Downloads\35ad5275ed17904d4a2d40f3dacea80b.gif", 生成下载文件存放路径(d, new Uri("http://i3.6.cn/cvbnm/7c/15/a3/35ad5275ed17904d4a2d40f3dacea80b.gif"), "image/gif"));

    //url中扩展名是gif，但MIME类型实际是image/jpeg的资源。下载后的扩展名是jpe，因为字典MimeDic里存储的对应扩展名就是jpe。

    Assert.AreEqual(@"C:\Users\Public\Downloads\35ad5275ed17904d4a2d40f3dacea80b.jpe", 生成下载文件存放路径(d, new Uri("http://i3.6.cn/cvbnm/7c/15/a3/35ad5275ed17904d4a2d40f3dacea80b.gif"), "image/jpeg"));

    //一个带参数的网页url。下载后的扩展名是dhtml，因为字典MimeDic里存储的对应扩展名就是dhtml。

    Assert.AreEqual(@"C:\Users\Public\Downloads\filedownload.dhtml", 生成下载文件存放路径(d, new Uri("http://www.uushare.com/filedownload?user=icesee&id=2205188"), "text/html"));

    //一个网页url，其格式为目录形式的，没有确切文件名。

    Assert.AreEqual(@"C:\Users\Public\Downloads\g9675.dhtml", 生成下载文件存放路径(d, new Uri("http://www.guaishow.com/u/luanfujie/g9675/"), "text/html"));

    //域名形式

    Assert.AreEqual(@"C:\Users\Public\Downloads\www.g.cn.dhtml", 生成下载文件存放路径(d, new Uri("http://www.g.cn/"), "text/html"));

    Assert.AreEqual(@"C:\Users\Public\Downloads\g.cn.dhtml", 生成下载文件存放路径(d, new Uri("http://g.cn"), "text/html"));

}

 

文件下载

万事俱备，只欠东风了，让我们来完成下载方法：

 

/// <summary>

/// 下载文件到指定目录，并返回下载后存放的文件路径

/// </summary>

/// <param name="Uri">网址</param>

/// <param name="存放目录">存放目录，如果该目录中已存在与待下载文件同名的文件，那么将自动重命名</param>

/// <returns>下载文件存放的文件路径</returns>

public string 下载文件(Uri Uri, string 存放目录)

{

    var q = WebRequest.Create(Uri).GetResponse();

    var s = q.GetResponseStream();

    var b = new BinaryReader(s);

    var file = 生成下载文件存放路径(存放目录, Uri, q.ContentType);

    FileStream fs = new FileStream(file, FileMode.Create, FileAccess.Write);

    fs.Write(b.ReadBytes((int)q.ContentLength), 0, (int)q.ContentLength);

    fs.Close();

    b.Close();

    s.Close();

    return file;

}

 

代码很简单，就不多说了，我们来完成最后的测试：

 

[TestMethod]

public void 文件下载测试()

{

    var d = @"C:\Users\Public\Downloads";

    //首次下载

    Assert.AreEqual(@"C:\Users\Public\Downloads\filedownload.dhtml", 下载文件(new Uri("http://www.uushare.com/filedownload?user=icesee&id=2205188"), d));

    //第二次下载，遇到同名文件，自动重命名

    Assert.AreEqual(@"C:\Users\Public\Downloads\filedownload(1).dhtml", 下载文件(new Uri("http://www.uushare.com/filedownload?user=icesee&id=2205188"), d));

    //下载一个原本是gif类型的文件

    Assert.AreEqual(@"C:\Users\Public\Downloads\2naqyw8.gif", 下载文件(new Uri("http://i38.tinypic.com/2naqyw8.jpg"), d));

}

 

结语

相较WebClient而言，WebRequest拥有更好的可控性，在WebClient无解的时候，就尝试让WebRequest上场吧。

 

下载

范例源代码：http://www.uushare.com/user/icesee/file/2214050

本文的XPS版本：http://www.uushare.com/user/icesee/file/2214051