Почему этот URL вызывает BadStatusLine с httplib2 и urllib2? - PullRequest
Новая
       33

Почему этот URL вызывает BadStatusLine с httplib2 и urllib2?

8 голосов
/ 13 февраля 2012

Используя httplib2 и urllib2, я пытаюсь извлечь страницы из этого URL, но все они не сработали и закончились этим исключением. 

content = conn.request(uri="http://www.zdnet.co.kr/news/news_print.asp?artice_id=20110727092902")
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python2.7/dist-packages/httplib2/__init__.py", line 1129, in request
    (response, content) = self._request(conn, authority, uri, request_uri, method, body, headers, redirections, cachekey)
  File "/usr/lib/python2.7/dist-packages/httplib2/__init__.py", line 901, in _request
    (response, content) = self._conn_request(conn, request_uri, method, body, headers)
  File "/usr/lib/python2.7/dist-packages/httplib2/__init__.py", line 871, in _conn_request
    response = conn.getresponse()
  File "/usr/lib/python2.7/httplib.py", line 1027, in getresponse
    response.begin()
  File "/usr/lib/python2.7/httplib.py", line 407, in begin
    version, status, reason = self._read_status()
  File "/usr/lib/python2.7/httplib.py", line 371, in _read_status
    raise BadStatusLine(line)

HTTP-заголовок был таким 

http://www.zdnet.co.kr/news/news_print.asp?artice_id=20110727092902

GET /news/news_print.asp?artice_id=20110727092902 HTTP/1.1
Host: www.zdnet.co.kr
User-Agent: Mozilla/5.0 (Windows NT 5.1; rv:10.0.1) Gecko/20100101 Firefox/10.0.1
Accept: text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8
Accept-Language: ko-kr,ko;q=0.8,en-us;q=0.5,en;q=0.3
Accept-Encoding: gzip, deflate
Connection: keep-alive
Cookie: RMID=7d83495d4f336fe0; __utma=37206251.1552605885.1328771258.1328771258.1329070845.2; __utmz=37206251.1328771258.1.1.utmcsr=(direct)|utmccn=(direct)|utmcmd=(none); ASPSESSIONIDCSQCQTDD=BCLEHPPDEPHEBJDLCFNDMKDN; __utmc=37206251; ASPSESSIONIDSSQCQQCB=MJPLMOJAFPDFCLONCANBIKHN; _EXEN=2
X-FireLogger: 1.2

HTTP/1.1 200 OK
Date: Mon, 13 Feb 2012 18:02:56 GMT
Content-Length: 19158
Content-Type: text/html;charset=UTF-8; Charset=UTF-8
Set-Cookie: ASPSESSIONIDSQSDQRDB=NGAIFHKAGDIOGEMANAOLLKKF; path=/
Cache-Control: private

Любая подсказка?

Ответы [ 4 ]

4 голосов
/ 15 августа 2013

Для всех людей, которые сталкиваются с подобной проблемой после установки httplib2 0.8:

Версия 0.8 имеет регрессию с обработкой соединений в связи с поддержанием HTTP.См. Отчет об ошибке: https://code.google.com/p/httplib2/issues/detail?id=250

Существует исправление этой проблемы, но оно еще не выпущено.До этого просто используйте httplib2 0.7.7.

3 голосов
/ 13 февраля 2012

Это прекрасно работает для меня: 

import urllib2

opener = urllib2.build_opener()

headers = {
  'User-Agent': 'Mozilla/5.0 (Windows NT 5.1; rv:10.0.1) Gecko/20100101 Firefox/10.0.1',
}

opener.addheaders = headers.items()
response = opener.open("http://www.zdnet.co.kr/news/news_print.asp?artice_id=20110727092902")

print response.headers
print response.read()

Сайт отбрасывает все запросы, которые происходят без строки User-Agent.

2 голосов
/ 14 апреля 2013

В моем коде, когда я использую 

    from urllib2 import urlopen  
    content = urlopen(page).read()

появляется исключение. Тем не менее, когда я использую 

    import urllib  
    content = urllib.urlopen(page).read()

все в порядке. Может быть, это поможет вам.

1 голос
/ 13 февраля 2012

Похоже, эта веб-страница не позволяет вашему пользовательскому агенту. Вы можете изменить это так: 

>>> import urllib2
>>> user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)'
>>> headers = { 'User-Agent' : user_agent }
>>> r = urllib2.Request('http://www.zdnet.co.kr/news/news_print.asp?artice_id=20110727092902', headers=headers)
>>> fd = urllib2.urlopen(r)
>>> print fd[20:]
'<!DOCTYPE html PUBLI'
...