python中使用urllib2伪造HTTP报头的2个方法,pythonurllib2
python中使用urllib2伪造HTTP报头的2个方法,pythonurllib2
在采集网页信息的时候,经常需要伪造报头来实现采集脚本的有效执行
下面,我们将使用urllib2的header部分伪造报头来实现采集信息
方法1、
#!/usr/bin/python # -*- coding: utf-8 -*- #encoding=utf-8 #Filename:urllib2-header.py import urllib2 import sys #抓取网页内容-发送报头-1 url= "http://www.bkjia.com" send_headers = { 'Host':'www.jb51.net', 'User-Agent':'Mozilla/5.0 (Windows NT 6.2; rv:16.0) Gecko/20100101 Firefox/16.0', 'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8', 'Connection':'keep-alive' } req = urllib2.Request(url,headers=send_headers) r = urllib2.urlopen(req) html = r.read() #返回网页内容 receive_header = r.info() #返回的报头信息 # sys.getfilesystemencoding() html = html.decode('utf-8','replace').encode(sys.getfilesystemencoding()) #转码:避免输出出现乱码 print receive_header # print '####################################' print html
方法2、
#!/usr/bin/python # -*- coding: utf-8 -*- #encoding=utf-8 #Filename:urllib2-header.py import urllib2 import sys url = 'http://www.bkjia.com' req = urllib2.Request(url) req.add_header('Referer','http://www.bkjia.com/') req.add_header('User-Agent','Mozilla/5.0 (Windows NT 6.2; rv:16.0) Gecko/20100101 Firefox/16.0') r = urllib2.urlopen(req) html = r.read() receive_header = r.info() html = html.decode('utf-8').encode(sys.getfilesystemencoding()) print receive_header print '#####################################' print html
不构造无法获得网页信息。。
至于为什么要构造一个请求,这个问题我个人建议你暂时没必要不要去深究,只要记住需要这样做就行了,这是python这个模块的约定,你要用这个模块,就得遵守这个约定。。
一定要问为什么,你得去看python的urllib2是怎么写的,然后要看python的socket和http协议规范,
然后或许你还要问什么是socket,http协议为什么这样规定,这样下去就无休止了。
都没把问题描述清楚,相帮也帮不了。
相关内容
- Python中使用urllib2防止302跳转的代码例子,pythonurllib2
- python中使用urllib2获取http请求状态码的代码例子,pyth
- python基于mysql实现的简单队列以及跨进程锁实例详解,
- Python编程语言的35个与众不同之处(语言特征和使用技
- Python中的并发编程实例,python并发编程实例
- python实现跨文件全局变量的方法,
- gearman的安装启动及python API使用实例,gearmanpython
- Python中的魔法方法深入理解,python深入理解
- Python中使用logging模块代替print(logging简明指南),py
- Python中__init__和__new__的区别详解,__init___new_
评论关闭