Question

我使用以下python代码下载html页面：

response = urllib2.urlopen(current_URL)
msg = response.read()  
print msg

对于this one等页面，它会打开网址而不会出现错误，但只打印部分html页面！

在以下行中，您可以找到html页面的http标头。我认为问题是由于“Transfer-Encoding：chunked”。

似乎urllib2只返回第一个块！我在阅读其余的块时遇到了困难。我如何阅读剩余的块？

Server: nginx/1.0.5
Date: Wed, 27 Feb 2013 14:41:28 GMT
Content-Type: text/html;charset=UTF-8
Transfer-Encoding: chunked
Connection: close
Set-Cookie: route=c65b16937621878dd49065d7d58047b2; Path=/
Set-Cookie: JSESSIONID=EE18E813EE464664EA64086D5AE9A290.tpdjo13v_3; Path=/
Pragma: No-cache
Cache-Control: no-cache,no-store,max-age=0
Expires: Thu, 01 Jan 1970 00:00:00 GMT
Vary: Accept-Encoding
Content-Language: fr

Answer 1

我发现如果我指定了Accept-Language标头，那么服务器不会丢弃TCP连接，否则会丢弃。

curl -H "Accept-Language:uk,en-US;q=0.8,en;q=0.6,ru;q=0.4" -v 'http://www.legifrance.gouv.fr/affichJuriJudi.do?oldAction=rechJuriJudi&idTexte=JURITEXT000024053954&fastReqId=660326373&fastPos=1'

urllib2 python（Transfer-Encoding：chunked）

1 个答案: