我使用以下 python 代码下载了 html 页面:
response = urllib2.urlopen(current_URL)
msg = response.read()
print msg
对于像这样的页面,它打开 url 时不会出错,但随后只打印 html 页面的一部分!
在以下几行中,您可以找到 html 页面的 http 标头。我认为问题是由于“传输编码:分块”。
似乎 urllib2 只返回第一个块!我在阅读剩余的部分时遇到了困难。我如何读取剩余的块?
Server: nginx/1.0.5
Date: Wed, 27 Feb 2013 14:41:28 GMT
Content-Type: text/html;charset=UTF-8
Transfer-Encoding: chunked
Connection: close
Set-Cookie: route=c65b16937621878dd49065d7d58047b2; Path=/
Set-Cookie: JSESSIONID=EE18E813EE464664EA64086D5AE9A290.tpdjo13v_3; Path=/
Pragma: No-cache
Cache-Control: no-cache,no-store,max-age=0
Expires: Thu, 01 Jan 1970 00:00:00 GMT
Vary: Accept-Encoding
Content-Language: fr