我现在Linux Mint 13 Xfce 32-bit, 3.2.0-7
Python 2.7.3
。我只想尝试只读取受HTTPS保护的网页的源代码。这是我的小程序:
#!/usr/bin/env python
import mechanize
browser = mechanize.Browser()
browser.set_handle_robots(False)
browser.set_handle_equiv(False)
browser.addheaders = [('User-Agent',
'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36'),
('Accept', 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8'),
('Accept-Encoding', 'gzip, deflate, sdch'),
('Accept-Language', 'en-US,en;q=0.8,ru;q=0.6'),
('Cache-Control', 'max-age=0'),
('Connection', 'keep-alive')]
html = browser.open('https://scholar.google.com/citations?view_op=search_authors')
print html.read()
但不是页面的源代码,我只看到这样的东西:
问题是什么以及如何解决?我需要使用mechanize,因为我稍后需要使用这个页面。
答案 0 :(得分:1)
您的代码适合我,但我会删除该行
('Accept-Encoding', 'gzip, deflate, sdch'),
之后不必反转该编码。澄清:您正在获取内容,但您希望它是“明文”。通过不请求gzip压缩内容,您可以获得明文。