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、

?

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 urllib2 import sys    #抓取网页内容-发送报头-1 url= "http://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、

?

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 urllib2 import sys    url = 'http://www.jb51.net'    req = urllib2.Request(url) req.add_header('Referer','http://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