标签：
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、
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
|
#!/usr/bin/python# -*- coding: utf-8 -*-#encoding=utf-8#Filename:urllib2-header.py import urllib2import sys #抓取网页内容-发送报头-1send_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、
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
#!/usr/bin/python# -*- coding: utf-8 -*-#encoding=utf-8#Filename:urllib2-header.py import urllib2import sys req = urllib2.Request(url)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_headerprint ‘#####################################‘print html |
标签：
原文地址：http://www.cnblogs.com/skying555/p/4592590.html
