為什么我無法使用python下載此網頁？

Question

請自己嘗試：)！

curl http://www.windowsphone.com/en-US/apps?list=free

結果是：

    <html><head><title>Object moved</title></head><body>
<h2>Object moved to <a href="https://login.live.com/login.srf?wa=wsignin1.0&amp;rpsnv=11&amp;checkda=1&amp;ct=1320735308&amp;rver=6.1.6195.0&amp;wp=MBI&amp;wreply=http:%2F%2Fwww.windowsphone.com%2Fen-US%2Fapps%3Flist%3Dfree&amp;lc=1033&amp;id=268289">here</a>.</h2>
</body></html>

要么

def download(source_url):
    try:
        socket.setdefaulttimeout(10)        
        agents = ['Mozilla/4.0 (compatible; MSIE 5.5; Windows NT 5.0)','Mozilla/4.0 (compatible; MSIE 7.0b; Windows NT 5.1)','Microsoft Internet Explorer/4.0b1 (Windows 95)','Opera/8.00 (Windows NT 5.1; U; en)']
        ree = urllib2.Request(source_url)
        ree.add_header('User-Agent',random.choice(agents))
        resp = urllib2.urlopen(ree)
        htmlSource = resp.read()
        return htmlSource
    except Exception, e:
        print e
        return ""

download('http://www.windowsphone.com/en-US/apps?list=free')

結果是：

<html><head><meta http-equiv="REFRESH" content="0; URL=http://www.windowsphone.com/en-US/apps?list=free"><script type="text/javascript">function OnBack(){}</script></head></html>

我想下載該網頁的實際來源。

Answer 1

失敗的原因是因為http://www.windowsphone.com嘗試設置cookie，在https://login.live.com上對其進行了檢查，該cookie創建了另一個cookie，如果成功，則重定向回Windowsphone.com。

您應該查看http://docs.python.org/library/cookielib.html

如果要使用curl，則允許它創建一個cookie文件，如下所示：

curl -so /dev/null 'http://www.windowsphone.com/en-US/apps?list=free' -c 'myCookieJar'

在您的shell中運行more myCookieJar ，您將看到類似以下內容：

# Netscape HTTP Cookie File
# http://www.netscape.com/newsref/std/cookie_spec.html
# This file was generated by libcurl! Edit at your own risk.

.www.windowsphone.com   TRUE    /       FALSE   0       WPMSLSS SLSS=1
login.live.com  FALSE   /       FALSE   0       MSPRequ lt=1320738008&co=1&id=268289

運行（注意-b選項在“ myCookieJar”之前）：

curl -so 'windowsphone.html' 'http://www.windowsphone.com/en-US/apps?list=free' -b 'myCookieJar'

然后您將在瀏覽器中看到的文件Windowsphone.html中獲取頁面的內容。

Answer 2

Flesk確實對此有一個答案（+1）。

調試HTTP連接的另一種簡單方法是Netcat ，它基本上是一個功能強大的telnet實用程序。

因此，假設您要調試HTTP請求中發生的情況：

$ nc www.windowsphone.com 80
GET /en-US/apps?list=free HTTP/1.0
Host: www.windowsphone.com
User-Agent: Mozilla/4.0 (compatible; MSIE 5.5; Windows NT 5.0)

這會將請求標頭發送到服務器（您需要按兩次 Enter鍵才能發送）。

之后，服務器將響應：

HTTP/1.1 302 Found
Location: https://login.live.com/login.srf?wa=wsignin1.0&rpsnv=11&checkda=1&ct=1320745265&rver=6.1.6195.0&wp=MBI&wreply=http:%2F%2Fwww.windowsphone.com%2Fen-US%2Fapps%3Flist%3Dfree&lc=1033&id=268289
Server: Microsoft-IIS/7.5
Set-Cookie: WPMSLSS=SLSS=1; domain=www.windowsphone.com; path=/; HttpOnly
X-Powered-By: ASP.NET
X-Server: SN2CONXWWBA06
Date: Tue, 08 Nov 2011 09:41:05 GMT
Connection: close
Content-Length: 337

<html><head><title>Object moved</title></head><body>
<h2>Object moved to <a href="https://login.live.com/login.srf?wa=wsignin1.0&amp;rpsnv=11&amp;checkda=1&amp;ct=1320745265&amp;rver=6.1.6195.0&amp;wp=MBI&amp;wreply=http:%2F%2Fwww.windowsphone.com%2Fen-US%2Fapps%3Flist%3Dfree&amp;lc=1033&amp;id=268289">here</a>.</h2>
</body></html>

因此，服務器返回302，這是用於重定向的HTTP狀態代碼，從而提示“瀏覽器”打開在位置標頭中傳遞的URL。

Netcat是調試和跟蹤各種網絡通信的好工具，當我想更深入地了解HTTP協議時，它對我有很大幫助。

為什么我無法使用python下載此網頁？

問題描述

2 個解決方案

解決方案1
3 已采納 2011-11-08 07:46:36

解決方案2
2 2011-11-08 09:57:39

為什么我無法使用python下載此網頁？

問題描述

2 個解決方案

解決方案1 3 已采納 2011-11-08 07:46:36

解決方案2 2 2011-11-08 09:57:39

解決方案1
3 已采納 2011-11-08 07:46:36

解決方案2
2 2011-11-08 09:57:39