很多网站反感爬虫的到访，于是对爬虫一律拒绝。在采集网页信息的时候，经常需要伪造报头来实现采集脚本的有效执行，这需修改http包中的header、User-Agent、Accept、Connection、Referer（对付反盗链必备）等伪造更多信息。例如使用nginx，经常会通过读取header中的X-Forwarded-For来看看人家的真实IP，也可以可以直接把X-Forwarde-For改了。

本篇主要介绍了python中使用urllib2伪造HTTP报头的2个方法,即伪造http头信息，即将使用urllib2的header部分伪造报头来实现采集信息。

方法1

 1#!/usr/bin/python
 2# -*- coding: utf-8 -*-
 3#encoding=utf-8
 4#code by 运维之路（www.361way.com）
 5#Filename:urllib2-header.py
 6import urllib2
 7import sys
 8#抓取网页内容-发送报头-1
 9url= "https://blog.361way.com"
10send_headers = {
11 'Host':'www.361way.com',
12 'User-Agent':'Mozilla/5.0 (Windows NT 6.2; rv:16.0) Gecko/20100101 Firefox/16.0',
13 'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
14 'Connection':'keep-alive'
15}
16req = urllib2.Request(url,headers=send_headers)
17r = urllib2.urlopen(req)
18html = r.read()        #返回网页内容
19receive_header = r.info()     #返回的报头信息
20# sys.getfilesystemencoding()
21html = html.decode('utf-8','replace').encode(sys.getfilesystemencoding()) #转码:避免输出出现乱码
22print receive_header
23# print '########################'
24print html

方法2

 1#!/usr/bin/python
 2# -*- coding: utf-8 -*-
 3#encoding=utf-8
 4#by运维之路（www.361way.com）
 5#Filename:urllib2-header.py
 6import urllib2
 7import sys
 8url = 'https://blog.361way.com'
 9req = urllib2.Request(url)
10req.add_header('Referer','https://blog.361way.com/')
11req.add_header('User-Agent','Mozilla/5.0 (Windows NT 6.2; rv:16.0) Gecko/20100101 Firefox/16.0')
12r = urllib2.urlopen(req)
13html = r.read()
14receive_header = r.info()
15html = html.decode('utf-8').encode(sys.getfilesystemencoding())
16print receive_header
17print '#########################'
18print html

方法一是通过dict 字典的方式一次性写入多条配置；方法二是通过元组（tuple）的方式逐条增加。