我需要经常从形式的网站,获取并解析XML数据:为什么蟒蛇的urllib2的urlopen返回的东西从浏览器不同的API调用
https://api.website.com/stuff/getCurrentData?security_key=blah
我不能发布安全的,因为实际的连接数据的性质。当我把这个URL放到我的浏览器(Safari)中时,我返回了XML。
当我通过urllib2调用它时,我得到垃圾。
f = urllib2.urlopen("https://api.website.com/stuff/getCurrentData?security_key=blah")
s = f.read()
f.close()
s
'\x1f\x8b\x08\x00\x00\x00\x00\x00\x00\x03\xc5\x96mo\xda0\x10\xc7\xdf\xf7SX\xbc\xda4\x15\xc7y\x00R\xb9\xae\xfa\xb4U\x1a-\x150M{5y\xe1\x06V\x13\x079\x0e\x14>\xfd\x9c\x84\xb0\xd2\xa4S\xa4L\xe5\x95\xef\xeeo
这篇文章Urllib's urlopen breaking on some sites (e.g. StackApps api): returns garbage results似乎是一个类似的问题,但它指的是JSON而不是XML。按照说明来查看标题,我认为我得到的是GZIP数据。 {我做了测试建议,张贴在这里}
req = urllib2.Request("https://api.website.com/stuff/getCurrentData?security_key=blah",
headers={'Accept-Encoding': 'gzip, identity'})
conn = urllib2.urlopen(req)
val = conn.read()
conn.close()
val[0:25]
'\x1f\x8b\x08\x00\x00\x00\x00\x00\x00\x03\xc5\x96]o\xda0\x14\x86\xef\xfb+,\xae6M'
在那个岗位,有一些建议,这可能是一个局部问题,所以我想一个示例站点。
f = urllib2.urlopen("http://www.python.org")
s = f.read()
f.close()
s
'<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">\n\n\n<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="en" lang="en">\n\n<head>\n <meta http-equiv="content-type" content="text/html; charset=utf-8" />\n <title>Python Programming Language – Official Website</title>\n
这工作得很好,所以我认为它与我实际试图访问的站点API有关。
此帖子Why does text retrieved from pages sometimes look like gibberish?建议我可能需要用“Selenium”做点什么,但是那时海报说这个问题“固定了自己”,这并不能帮助我找出问题所在。
我无法使用python下载安全数据吗? 除了urlib2和url打开之外,我需要使用不同的东西吗?
我在Mac OSX上运行的Python 2.7 10.7.5
检查标题;服务器是否返回*压缩*数据? –
我不知道你的意思,@MartijnPieters - 我还是这个新手。但是......当我要求标题时,这就是我要求的标题''接受编码':'gzip,identity'}' – jessi
这些是你发送的标题。请检查'conn.info()。headers'。 –