Python中使用socket发送HTTP请求数据接收不完整问题解决方法

由于工作的需求，需要用python做一个类似网络爬虫的采集器。虽然python的urllib模块提供更加方便简洁操作，但是涉及到一些底层的需求，如手动设定user-agent,referer等，所以选择了直接用socket进行设计。当然，这样的话，需要对http协议比较熟悉，http协议这里就不做讲解了。整个python的代码如下:

#!/usr/bin env python
import socket
host="www.baidu.com"
se=socket.socket(socket.af_inet,socket.sock_stream)
se.connect((host,80))
se.send("get / http/1.1\n")
se.send("accept:text/html,application/xhtml+xml,*/*;q=0.8\n")
#se.send("accept-encoding:gzip,deflate,sdch\n")
se.send("accept-language:zh-cn,zh;q=0.8,en;q=0.6\n")
se.send("cache-control:max-age=0\n")
se.send("connection:keep-alive\n")
se.send("host:"+host+"\r\n")
se.send("referer:http://www.baidu.com/\n")
se.send("user-agent: googlebot\n\n")
print se.recv(1024)

代码运行正常，但是发现一个比较重要的问题,运行结果只返回了http的头部信息，网页的内容则没有被返回。网上查找了很多资料，一无所获,经过一夜的思考，突然想到了一个问题，有可能我请求的资源非常大，一个网络的ip包的大小，它是受很多因素制约的，最典型的便是mtu（最大传输单元），那么会不会我请求的数据被分割了，http的头部信息只是一部分，其它数据还在传输或者缓冲区呢？于是做了这样一个遍历:

while true:
  buf = se.recv(1024)
  if not len(buf):
    break
  print buf

这样发现所有请求的数据均被返回了，看来要想做好网络编程，深入理解tcp/ip协议是非常必要的。