當用python3做爬蟲的時候，一些網站為了防爬蟲會設置一些檢查機制，這時我們就需要添加請求頭，偽裝成瀏覽器正常訪問。
header的內容在瀏覽器的開發者工具中便可看到，將這些信息添加到我們的爬蟲代碼中即可。
‘Accept-Encoding’：是瀏覽器發給服務器,聲明瀏覽器支持的編碼類型。一般有gzip,deflate,br 等等。
python3中的 requests包中response.text 和 response.content
response.content #字節方式的響應體，會自動為你解碼 gzip 和 deflate 壓縮 類型：bytes
reponse.text #字符串方式的響應體，會自動根據響應頭部的字符編碼進行解碼。類型：str
但是這里是默認是不支持解碼br的！！！！
br 指的是 Brotli，是一種全新的數據格式，無損壓縮，壓縮比極高（比gzip高的）
Brotli具體介紹：https://www.cnblogs.com/Leo_wl/p/9170390.html
Brotli優勢：https://www.cnblogs.com/upyun/p/7871959.html
這個不是本文的重點，重點是python3爬蟲是如何解決。
第一種：將‘Accept-Encoding’中的：br 去除
這樣接受的網頁頁面就是沒有壓縮的或者是默認可解析的了。但是我認為，不好，人家搞出這么牛逼的算法還是要用一下的。
第二種：將使用br壓縮的頁面解析。
python3 中要導入 brotl 包 這個要自己安裝（這里就不介紹了，百度一堆）
下面是爬取智聯招聘的網站的
from bs4 import BeautifulSoup import requests import brotli from requests.exceptions import RequestException def get_one_page(city, keyword, page): ''' 獲取網頁html內容並返回 ''' paras = { 'jl': city, # 搜索城市 'kw': keyword, # 搜索關鍵詞 'isadv': 0, # 是否打開更詳細搜索選項 'isfilter': 1, # 是否對結果過濾 'p': page, # 頁數 # 're': region # region的縮寫，地區，2005代表海淀 } headers = { 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36 SE 2.X MetaSr 1.0', 'Host': 'sou.zhaopin.com', 'Referer': 'https://www.zhaopin.com/', 'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8', 'Accept-Encoding': 'gizp,defale', 'Accept-Language': 'zh-CN,zh;q=0.9' } import chardet url = 'https://sou.zhaopin.com/jobs/searchresult.ashx?jl={}&kw={}&sm=0&p={}'.format(paras['jl'],paras['kw'],paras['p']) try: # 獲取網頁內容，返回html數據 response = requests.get(url, headers=headers) # 通過狀態碼判斷是否獲取成功 if response.status_code == 200: #response.encoding = 'utf-8' print(response.headers) print(response.encoding) key = 'Content-Encoding' # print(response.headers[key]) print("-----------") if(key in response.headers and response.headers['Content-Encoding'] == 'br'): data = brotli.decompress(response.content) data1 = data.decode('utf-8') print(data1) return data1 print(response.text) return response.text return None except RequestException as e: return None def main(city, keyword, pages): for i in range(pages): html = get_one_page(city, keyword, i) if __name__ == '__main__': main('北京', 'python', 1)
部分結果：
{'Server': 'openresty', 'Date': 'Sun, 19 Aug 2018 13:15:46 GMT', 'Content-Type': 'text/html; charset=utf-8', 'Content-Length': '361146', 'Connection': 'keep-alive', 'Vary': 'Accept-Encoding, Accept-Encoding', 'zp-trace-id': '8437455ebb5342a59f8af78ddaab1985', 'Set-Cookie': 'ZP-ENV-FLAG=gray'}
utf-8
-----------
<!DOCTYPE html>
<html>
<head>
<meta name="renderer" content="webkit">
<meta http-equiv="X-UA-Compatible" content="IE=Edge,chrome=1">
<title>北京python招聘（求職）python招聘（求職）盡在智聯招聘</title>
<meta http-equiv="Cache-Control" content="no-transform" />
<meta http-equiv="Cache-Control" content="no-siteapp" />
<meta name="description" content="智聯招聘為您提供北京招聘信息,與北京相關的工作盡在智聯招聘" />
<meta name="keywords" content="北京招聘,北京招聘信息" />
<link rel="stylesheet" href="//desktop-bucket.zhaopin.cn/vendors.61c4a5.css"><link rel="stylesheet" href="//desktop-bucket.zhaopin.cn/index.d26042.css">
這是沒有加br在請求的頭里的
下面改一下Accept-Encoding添加br
...同上 'Accept-Encoding': 'br,gizp,defale', ...同上
部分結果：
{'Server': 'openresty', 'Date': 'Sun, 19 Aug 2018 13:19:02 GMT', 'Content-Type': 'text/html; charset=utf-8', 'Transfer-Encoding': 'chunked', 'Connection': 'keep-alive', 'Vary': 'Accept-Encoding', 'zp-trace-id': '842e66a58bb2464296121c9de59a9965', 'Content-Encoding': 'br', 'Set-Cookie': 'ZP-ENV-FLAG=gray'}
utf-8
-----------
<!DOCTYPE html>
<html>
<head>
<meta name="renderer" content="webkit">
<meta http-equiv="X-UA-Compatible" content="IE=Edge,chrome=1">
<title>北京python招聘（求職）python招聘（求職）盡在智聯招聘</title>
<meta http-equiv="Cache-Control" content="no-transform" />
<meta http-equiv="Cache-Control" content="no-siteapp" />
<meta name="description" content="智聯招聘為您提供北京招聘信息,與北京相關的工作盡在智聯招聘" />
<meta name="keywords" content="北京招聘,北京招聘信息" />
當網站使用了br壓縮的話，他會告訴我們的，就是‘Content-Encoding’的值。
重點是
key = 'Content-Encoding' if(key in response.headers and response.headers['Content-Encoding'] == 'br'): data = brotli.decompress(response.content) data1 = data.decode('utf-8') print(data1)
好的 這就解決了。
不得不說網上對於brotli的中文介紹並不算太多。
摘自：https://blog.csdn.net/weixin_40414337/article/details/88561066