python中使用urllib2伪造HTTP报头的2个方法
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
importurllib2
importsys
#抓取网页内容-发送报头-1
url="https://www.nhooo.com"
send_headers={
'Host':'www.nhooo.com',
'User-Agent':'Mozilla/5.0(WindowsNT6.2;rv:16.0)Gecko/20100101Firefox/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
printreceive_header
#print'####################################'
printhtml
方法2、
#!/usr/bin/python
#-*-coding:utf-8-*-
#encoding=utf-8
#Filename:urllib2-header.py
importurllib2
importsys
url='https://www.nhooo.com'
req=urllib2.Request(url)
req.add_header('Referer','https://www.nhooo.com/')
req.add_header('User-Agent','Mozilla/5.0(WindowsNT6.2;rv:16.0)Gecko/20100101Firefox/16.0')
r=urllib2.urlopen(req)
html=r.read()
receive_header=r.info()
html=html.decode('utf-8').encode(sys.getfilesystemencoding())
printreceive_header
print'#####################################'
printhtml