##一、关于抓包分析和debug Log信息 模拟登录访问需要设置request header信息，对于这个没有概念的朋友可以参见本系列前面的java版爬虫中提到的模拟登录过程，主要就是添加请求头request header。 而python抓包可以直接使用urllib2把debug Log打开，数据包的内容可以打印出来，这样都可以不用抓包了，直接可以看到request header里的内容。 ~~~ import urllib2 httpHandler = urllib2.HTTPHandler(debuglevel = 1) httpsHandler = urllib2.HTTPSHandler(debuglevel = 1) opener = urllib2.build_opener(httpHandler, httpsHandler) urllib2.install_opener(opener) response = urllib2.urlopen(‘http://www.baidu.com’) html = response.read() ~~~  另外对于抓包，对比里各款浏览器自带的开发者工具，觉得firefox的比Chrome的要好用，不仅数据包显示清晰，而且各种操作也比Chrome的方便得多，还有一些Chrome没有的功能。 分析下登录新浪微博过程的数据包。 登录前页面：  点击登录，看下这个过程：  打开看数据包可以看到详细的请求头、发送Cookie、响应头、传回的文件/数据等信息。  在Network选项卡里看看详细的情况，这里是请求头：  cookie存放的就是myuid和un账号，之后模拟登录要用到的cookie信息：  ##二、设置Headers到http请求 先看一个官方教程上的例子： ~~~ import urllib import urllib2 url = 'http://s.weibo.com' user_agent = 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64 Safari/537.11' values = {'name':'denny', 'location':'BUPT', 'language':'Python' } headers = {'User-Agent':user_agent} data = urllib.urlencode(values, 1) request = urllib2.Request(url, data,headers) response = urllib2.urlopen(request) the_page = response.read() print the_page ~~~ 一个完整例子： ~~~ # -*- coding:utf8 -*- import urllib2 import re import StringIO import gzip ua = {#'User-Agent':'Mozilla/5.0 (compatible; Googlebot/2.1; +Googlebot - Webmaster Tools Help)', 'User-Agent':'Mozilla/5.0 (Windows NT 6.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/37.0.2062.124 Safari/537.36', 'Connection':'Keep-Alive', 'Accept-Language':'zh-CN,zh;q=0.8', 'Accept-Encoding':'gzip,deflate,sdch', 'Accept':'*/*', 'Accept-Charset':'GBK,utf-8;q=0.7,*;q=0.3', 'Cache-Control':'max-age=0' } def get_html(url_address): '''open url and read it''' req_http = urllib2.Request(url_address, headers = ua) html = urllib2.urlopen(req_http).read() return html def controller(): '''make url list and download page''' url = 'http://s.weibo.com/wb/iPhone&nodup=1&page=10' reget = re.compile('(<div class=\"post-wrapper.*?)<p class=\"pagination\">', re.DOTALL) fp = open("e:/weibo/head.txt", "w+") for i in range(1, 131): html_c = get_html(url % (i)) print url % (i) html_c = gzip.GzipFile(fileobj = StringIO.StringIO(html_c)).read() res = reget.findall(html_c) for x in res: fp.write(x) fp.write("\n\n\n") fp.close() return if __name__ == '__main__': controller() ~~~ 原创文章，转载请注明出处：[http://blog.csdn.net/dianacody/article/details/39742711](http://blog.csdn.net/dianacody/article/details/39742711)