Python中使用socket發(fā)送HTTP請求數(shù)據(jù)接收不完整問題解決方法
由于工作的需求，需要用python做一個類似網(wǎng)絡(luò)爬蟲的采集器。雖然Python的urllib模塊提供更加方便簡潔操作，但是涉及到一些底層的需求，如手動設(shè)定User-Agent,Referer等，所以選擇了直接用socket進(jìn)行設(shè)計。當(dāng)然，這樣的話，需要對HTTP協(xié)議比較熟悉，HTTP協(xié)議這里就不做講解了。整個python的代碼如下:
#!/usr/bin env python
import socket
host="www.baidu.com"
se=socket.socket(socket.AF_INET,socket.SOCK_STREAM)
se.connect((host,80))
se.send("GET / HTTP/1.1\n")
se.send("Accept:text/html,application/xhtml+xml,*/*;q=0.8\n")
#se.send("Accept-Encoding:gzip,deflate,sdch\n")
se.send("Accept-Language:zh-CN,zh;q=0.8,en;q=0.6\n")
se.send("Cache-Control:max-age=0\n")
se.send("Connection:keep-alive\n")
se.send("Host:"+host+"\r\n")
se.send("Referer:http://www.baidu.com/\n")
se.send("user-agent: Googlebot\n\n")
print se.recv(1024)
代碼運行正常，但是發(fā)現(xiàn)一個比較重要的問題,運行結(jié)果只返回了HTTP的頭部信息，網(wǎng)頁的內(nèi)容則沒有被返回。網(wǎng)上查找了很多資料，一無所獲,經(jīng)過一夜的思考，突然想到了一個問題，有可能我請求的資源非常大，一個網(wǎng)絡(luò)的IP包的大小，它是受很多因素制約的，最典型的便是MTU（最大傳輸單元），那么會不會我請求的數(shù)據(jù)被分割了，HTTP的頭部信息只是一部分，其它數(shù)據(jù)還在傳輸或者緩沖區(qū)呢？于是做了這樣一個遍歷:
while True:
buf = se.recv(1024)
if not len(buf):
break
print buf
這樣發(fā)現(xiàn)所有請求的數(shù)據(jù)均被返回了，看來要想做好網(wǎng)絡(luò)編程，深入理解TCP/IP協(xié)議是非常必要的。
相關(guān)文章
這篇文章主要為大家詳細(xì)介紹了python3實現(xiàn)隨機(jī)數(shù)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-06-06
python進(jìn)行數(shù)據(jù)預(yù)處理的4個重要步驟
在數(shù)據(jù)科學(xué)項目中，數(shù)據(jù)預(yù)處理是最重要的事情之一，本文詳細(xì)給大家介紹python進(jìn)行數(shù)據(jù)預(yù)處理的4個重要步驟：拆分訓(xùn)練集和測試集，處理缺失值，處理分類特征和進(jìn)行標(biāo)準(zhǔn)化處理,需要的朋友可以參考下2023-06-06
python tkinter之 復(fù)選、文本、下拉的實現(xiàn)
這篇文章主要介紹了python tkinter之 復(fù)選、文本、下拉的實現(xiàn)，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-03-03
動物識別是計算機(jī)視覺和模式識別領(lǐng)域的重要研究方向,它涉及通過圖像或視頻數(shù)據(jù)自動識別和分類不同種類的動物,隨著數(shù)字圖像技術(shù)和機(jī)器學(xué)習(xí)方法的快速發(fā)展,動物識別在實際應(yīng)用中具有廣泛的潛力,本文將給大家介紹如何基于Python制作一個動物識別小程序2023-10-10
Pillow庫是Python中用于圖像處理的開源庫,提供了豐富的圖像處理功能,如圖像讀取、保存、裁剪、調(diào)整大小、旋轉(zhuǎn)、添加文字等,這篇文章主要給大家介紹了關(guān)于Python的圖像處理庫Pillow安裝與使用的相關(guān)資料,需要的朋友可以參考下2024-04-04
這篇文章主要介紹了Python目錄下文件讀取方式,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-08-08
Python爬蟲中urllib庫的進(jìn)階學(xué)習(xí)
本篇文章主要介紹了Python爬蟲中urllib庫的進(jìn)階學(xué)習(xí)內(nèi)容，對此有興趣的朋友趕緊學(xué)習(xí)分享下。2018-01-01
spyder 在控制臺(console)執(zhí)行python文件,debug python程序方式
這篇文章主要介紹了spyder 在控制臺(console)執(zhí)行python文件，debug python程序方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-04-04
Python使用cx_Freeze庫生成msi格式安裝文件的方法
這篇文章主要介紹了Python使用cx_Freeze庫生成msi格式安裝文件的方法,結(jié)合實例形式分析了Python基于cx_Freeze庫生成msi格式安裝文件操作技巧與相關(guān)問題解決方法,需要的朋友可以參考下2018-07-07
這篇文章主要為大家詳細(xì)介紹了python中字典和列表相互嵌套的問題，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2021-11-11