python中使用urllib2伪造HTTP报头的2个方法-白红宇

python中使用urllib2伪造HTTP报头的2个方法

阅读量：6212 次

发布时间：2019-06-21

本文共 1415 字，大约阅读时间需要 4 分钟。

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
=
""
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 
=
''
 
req 
=
urllib2.Request(url)
req.add_header(
'Referer'
,
''
)
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
         
       