为什么我无法用Python下载这个网页？

1 投票

2 回答

908 浏览

提问于 2025-04-17 05:50

请你自己试试看 :) !

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

结果是：

    <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>

或者

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')

结果是：

<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>

我想下载网页的实际源代码。

网络爬虫数据抓取源代码网页下载

2 个回答

Flesk在这个问题上真的给出了很好的答案（赞一个）。

另一个简单的方法来调试HTTP连接是Netcat，它基本上是一个强大的telnet工具。

假设你想调试一下你的HTTP请求发生了什么：

$ 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)

这段代码会把请求头发送到服务器（你需要按两次回车键来发送）。

之后，服务器会给出回应：

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>

服务器返回了302，这个是HTTP状态码，表示需要重定向，因此会提示“浏览器”打开在Location头中提供的URL。

Netcat是一个很棒的工具，可以用来调试和追踪各种网络通信，当我想更深入了解HTTP协议时，它帮了我很多。

回答于 2025-04-17 由 Python大师

分享举报

失败的原因是因为 http://www.windowsphone.com 尝试设置一个cookie，而这个cookie会在 https://login.live.com 被检查。如果检查成功，就会创建另一个cookie，并重定向回windowsphone.com。

你可以看看 http://docs.python.org/library/cookielib.html 这个链接。

如果你想使用curl，可以让它创建一个cookie文件，方法如下：

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

在你的命令行中运行 more myCookieJar，你会看到类似这样的内容：

# 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

运行时（注意在'myCookieJar'前面有个 -b 选项）：

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

这样你就能把网页的内容保存到文件windowsphone.html里，和你在浏览器里看到的一样。

回答于 2025-04-17 由 Python大师

分享举报

为什么我无法用Python下载这个网页？

2 个回答

撰写回答