python中使用urllib2伪造HTTP报头的2个方法
程序员文章站
2023-12-02 08:09:34
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、
#!/u...
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= "//www.jb51.net" 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 = '//www.jb51.net' req = urllib2.request(url) req.add_header('referer','//www.jb51.net/') 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