解决 Python 下载 ZIP 文件失败的问题：从 DART 网站案例看关键点

解决 Python 下载 ZIP 文件失败的问题：从 DART 网站案例看关键点

引言

在用 Python 爬取网站内容时，下载文件（如 PDF 或 ZIP）是一个常见需求。然而，在访问韩国 DART（Data Analysis, Retrieval and Transfer System）网站（https://dart.fss.or.kr）时，我遇到了一个棘手的问题：通过 requests 库成功下载了 PDF 文件，但 ZIP 文件下载始终失败，返回空响应。本文将详细分析问题原因，分享解决思路，并总结通过代码获取网站内容时需要前期手动获取的关键信息，助你在类似场景中少走弯路。

问题描述

DART 网站提供公司披露文件的下载接口，包括 PDF（通过 pdf.do）和 ZIP（通过 zip.do）。我编写了一个 Python 脚本，从 listzip_zip.txt 文件读取下载链接，目标是将文件保存到本地 ./files 目录，文件名需添加 rcp_no_ 前缀，并正确处理韩文文件名。

初始代码逻辑如下：

1. 使用 requests.Session 维持会话。
2. 访问 DART 主页、披露页面和 main.do 页面初始化会话，获取 cookie（如 JSESSIONID）。
3. 设置请求头，模拟浏览器（包括 User-Agent、Referer 等）。
4. 对每个 URL，发送 GET 请求，提取 Content-Disposition 中的文件名，保存文件。

代码片段（简化版）：

import requests
import os
import re

session = requests.Session()
session.headers.update({
   
   
    'User-Agent': 'Mozilla/5.0 ...',
    'Accept': 'application/zip,application/pdf,*/*',
    'Referer': 'https://dart.fss.or.kr/pdf/download/main.do?rcp_no=20250429800466&dcm_no=10620925'
})

# 初始化会话
session.get('https://dart.fss.or.kr/')
session.get('https://dart.fss.or.kr/dsaf001/main.do')
session.get('https://dart.fss.or.kr/pdf/download/main.do?rcp_no=20250429800466&dcm_no=10620925')

# 下载文件
url = 'https://dart.fss.or.kr/pdf/download/zip.do?rcp_no=20250429800466&dcm_no=10620925'
response = session.get(url, stream=True)
if response.status_code == 200:
    content_length = response.headers.get('Content-Length')
    if content_length == '0' or (content_length is None and 'Transfer-Encoding' in response.headers):
        print('Empty response')
    else:
        # 保存文件逻辑
        with open('file.zip', 'wb') as f:
            for chunk in response.iter_content(chunk_size=8192):
                if chunk:
                    f.write(chunk)

运行结果：

• PDF 文件（pdf.do）下载成功，文件名正确，内容完整。
• ZIP 文件（zip.do）下载失败，日志显示：

  Empty response for https://dart.fss.or.kr/pdf/download/zip.do?rcp_no=20250429800466&dcm_no=10620925 (Content-Length: chunked)
  Response headers: {
      'Date': 'Thu, 08 May 2