爬蟲之header

有些網站不會贊成程序直接用上面的方式進行訪問，若是識別有問題，那麼站點根本不會響應，因此爲了徹底模擬瀏覽器的工做，咱們須要設置一些Headers 的屬性。

首先，打開咱們的瀏覽器，調試瀏覽器F12，我用的是Chrome，打開網絡監聽，示意以下，好比知乎，點登陸以後，咱們會發現登錄以後界面都變化了，出現一個新的界面，實質上這個頁面包含了許許多多的內容，這些內容也不是一次性就加載完成的，實質上是執行了好屢次請求，通常是首先請求HTML文件，而後加載JS，CSS 等等，通過屢次請求以後，網頁的骨架和肌肉全了，整個網頁的效果也就出來了。

簡書著做權歸做者全部，任何形式的轉載都請聯繫做者得到受權並註明出處。
拆分這些請求，咱們只看一第一個請求，你能夠看到，有個Request URL，還有headers，下面即是response，圖片顯示得不全，小夥伴們能夠親身實驗一下。那麼這個頭中包含了許許多可能是信息，有文件編碼啦，壓縮方式啦，請求的agent啦等等。

其中，agent就是請求的身份，若是沒有寫入請求身份，那麼服務器不必定會響應，因此能夠在headers中設置agent,例以下面的例子，這個例子只是說明了怎樣設置的headers，小夥伴們看一下設置格式就好。

import urllib
import urllib2

url = 'http://www.server.com/login'
user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'
values = {'username' : 'cqc', 'password' : 'XXXX' }
headers = { 'User-Agent' : user_agent }
data = urllib.urlencode(values)
request = urllib2.Request(url, data, headers)
response = urllib2.urlopen(request)
page = response.read()

這樣，咱們設置了一個headers，在構建request時傳入，在請求時，就加入了headers傳送，服務器若識別了是瀏覽器發來的請求，就會獲得響應。

另外，咱們還有對付」反盜鏈」的方式，對付防盜鏈，服務器會識別headers中的referer是否是它本身，若是不是，有的服務器不會響應，因此咱們還能夠在headers中加入referer

例如咱們能夠構建下面的headers
headers = { 'User-Agent' : 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)' ,
'Referer':'http://www.zhihu.com/articles' }