在 HTTP Request 中加入特定的 Header

时间：2024-02-25 09:14:54

转：http://www.findspace.name/easycoding/1137

要加入 header，需要使用 Request 对象：

#code1
import urllib2
request = urllib2.Request(\'http://www.baidu.com/\')
request.add_header(\'User-Agent\', \'fake-client\')
response = urllib2.urlopen(request)
print response.read()

对有些 header 要特别留意，服务器会针对这些 header 做检查
User-Agent : 有些服务器或 Proxy 会通过该值来判断是否是浏览器发出的请求
Content-Type : 在使用 REST 接口时，服务器会检查该值，用来确定 HTTP Body 中的内容该怎样解析。常见的取值有：
application/xml ： 在 XML RPC，如 RESTful/SOAP 调用时使用
application/json ： 在 JSON RPC 调用时使用
application/x-www-form-urlencoded ： 浏览器提交 Web 表单时使用
在使用服务器提供的 RESTful 或 SOAP 服务时， Content-Type 设置错误会导致服务器拒绝服务
再给一个详细的：

#Code2
import urllib,urllib2

url = \'http://www.super-ping.com/ping.php?node=\'+node+\'&ping=www.google.com\'
        headers = { \'Host\':\'www.super-ping.com\',
                    \'Connection\':\'keep-alive\',
                    \'Cache-Control\':\'max-age=0\',
                    \'Accept\': \'text/html, */*; q=0.01\',
                    \'X-Requested-With\': \'XMLHttpRequest\',
                    \'User-Agent\': \'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/41.0.2272.89 Safari/537.36\',
                    \'DNT\':\'1\',
                    \'Referer\': \'http://www.super-ping.com/?ping=www.google.com&locale=sc\',
                    \'Accept-Encoding\': \'gzip, deflate, sdch\',
                    \'Accept-Language\': \'zh-CN,zh;q=0.8,ja;q=0.6\'
                    }
        data = None
        req = urllib2.Request(url, data, headers)
        response = urllib2.urlopen(req)
        compressedData = response.read()

某些网站反感爬虫的到访，于是对爬虫一律拒绝请求
这时候我们需要伪装成浏览器，这可以通过修改http包中的header来实现。
上面的例子里面user-agent就是伪装过的。

\'User-Agent\': \'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/41.0.2272.89 Safari/537.36\',

对付”反盗链”

某些站点有所谓的反盗链设置，其实说穿了很简单，
就是检查你发送请求的header里面，referer站点是不是他自己，
所以我们只需要像把headers的referer改成该网站即可，以cnbeta为例：

#Code3
headers = {
    \'Referer\':\'http://www.cnbeta.com/articles\'
}

headers是一个dict数据结构，你可以放入任何想要的header，来做一些伪装。
例如，有些网站喜欢读取header中的X-Forwarded-For来看看人家的真实IP，可以直接把X-Forwarde-For改了。

解压缩

在Code2中最后获取的数据是gzip压缩过的（在这个样例中返回的数据是服务器决定的），可以写进文件查看，对其进行解压缩：

#Code4
import gzip,StringIO

compressedData = response.read()
        compressedStream=StringIO.StringIO(compressedData)
        gzipper=gzip.GzipFile(fileobj=compressedStream)
        data=gzipper.read()

 

这里写的比较全

http://blog.csdn.net/pleasecallmewhy/article/details/8925978

相关文章