Python Mechanize不会打开这些网站

Question

我正在使用Python的Mechanize模块。我遇到过3个不能直接通过机械化打开的网站：

1. en.wikipedia.org/wiki/Dog（新用户，不能发布2个以上的链接T-T）
2. https://www.google.com/search?num=100&hl=en&site=&q=dog&oq=dog&aq=f&aqi=g10&aql=1&gs_sm=e&gs_upl=618l914l0l1027l3l2l0l0l0l0l173l173l0.1l1l0

3. http://www.cpsc.gov/cpscpub/prerel/prhtml03/03059.html

   import mechanize
   br = mechanize.Browser()
   br.set_handle_robots(False)
   

添加以下代码允许机械化打开并解析维基百科文章和谷歌搜索结果：

    br.addheaders = [('User-agent', 'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.1) Gecko/2008071615 Fedora/3.0.1-1.fc9 Firefox/3.0.1')] 

但是，我的解决方法与CPSC.gov网站无法匹配 - 当我尝试使用机械化浏览器打开它时，我的python会冻结 - 我甚至无法键盘中断它。

这里发生了什么？

Answer 1

对于cpsc.gov站点，看起来机械化HTTPRefreshProcessor没有正确处理refresh标头。但是，您可以按如下方式解决问题：

import mechanize

url = 'http://www.cpsc.gov/cpscpub/prerel/prhtml03/03059.html'
br = mechanize.Browser()
br.set_handle_refresh(False)
br.open(url)