Python Google应用程序引擎-无法正确接收GZIP HTML文件
Python和Google应用程序引擎专家 我想检索位于以下链接的TD银行按揭利率网站: "http://tdbank.mortgagewebcenter.com/Default.asp" 今天晚上,我通过教程学习了Python和Google应用程序引擎,我认为这可能是GZIP的问题 理想情况下,我希望有人修复我粘贴在下面的代码。或者提供正确的代码(如果这更容易的话),以便成功接收此网页并能够在python/google应用程序引擎中解析它 尝试1-URLFETCHPython Google应用程序引擎-无法正确接收GZIP HTML文件,python,google-app-engine,gzip,urllib2,urlfetch,Python,Google App Engine,Gzip,Urllib2,Urlfetch,Python和Google应用程序引擎专家 我想检索位于以下链接的TD银行按揭利率网站: "http://tdbank.mortgagewebcenter.com/Default.asp" 今天晚上,我通过教程学习了Python和Google应用程序引擎,我认为这可能是GZIP的问题 理想情况下,我希望有人修复我粘贴在下面的代码。或者提供正确的代码(如果这更容易的话),以便成功接收此网页并能够在python/google应用程序引擎中解析它 尝试1-URLFETCH import webapp2
import webapp2
import gzip
import StringIO
from google.appengine.api import users
from google.appengine.api import urlfetch
from BeautifulSoup import BeautifulSoup
class MainPage(webapp2.RequestHandler):
def get(self):
url = "http://tdbank.mortgagewebcenter.com/Default.asp"
result = urlfetch.fetch(url=url,headers={'User-Agent': 'Mozilla/5.0',
'Accept': 'text/html',
'Accept-Language': 'en-us,en',
'Accept-Encoding': 'gzip',
'Connection': 'keep-alive'})
f = StringIO.StringIO(result.content)
c = gzip.GzipFile(fileobj=f)
content = c.read()
self.response.out.write(content)
app = webapp2.WSGIApplication([('/', MainPage)],
debug=True)
尝试2-URLLIB2
import cgi
import webapp2
import gzip
import StringIO
import urllib2
import httplib
from BeautifulSoup import BeautifulSoup
class MainPage(webapp2.RequestHandler):
def get(self):
httplib.HTTPConnection.debuglevel = 1
url = urllib2.Request('http://tdbank.mortgagewebcenter.com/Default.asp')
url.add_header('Accept-encoding', 'gzip')
url.add_header('User-Agent', 'Mozilla/5.0')
opener = urllib2.build_opener()
f = opener.open(url)
compresseddata = f.read()
compressedstream = StringIO.StringIO(compresseddata)
c = gzip.GzipFile(fileobj=compressedstream)
content = c.read()
self.response.out.write(content)
app = webapp2.WSGIApplication([('/', MainPage)],
debug=True)
YAML文件:
application: fimrates
version: 2
runtime: python27
api_version: 1
threadsafe: true
handlers:
- url: /.*
script: fimrates.app
在这两种情况下,我的浏览器都会重定向到
http://localhost:8080/Default.asp?bhjs=1&bhqs=1
如果我将试图读取的URL更改为另一个网页,如www.google.com,输出将正确打印
提前谢谢你的帮助,我真的很感激
-Todd您发布的Url在javascript中进行重定向。获得最终页面的唯一方法是模拟浏览器,这在GAE上是不可能的 我通过
curl-L下载了htmlhttp://tdbank.mortgagewebcenter.com/Default.asp
它给了我“不支持的浏览器”。这意味着此页面将在javascript中检查浏览器的类型
在fetch命令中,尝试添加参数“follow_redirects=True”。如果使用curl下载页面时使用的是“不受支持的浏览器”,那么检查显然是在服务器端,而不是cient端。确切地说,它在两侧都使用逻辑-如果使用普通浏览器的用户代理,它将提供一个进行客户端检查的JS页面。试试看,如果gzip是传输编码,就不需要自己解压,urlfetch会帮你解压的。通常,查看数据并查看它是否与调试的第一步所期望的相似是一个好主意。