python - 如何在 Python 中跟踪元刷新

Question

Python 的 urllib2 遵循 3xx 重定向以获得最终内容。有没有办法让 urllib2(或其他一些库，如 httplib2)也遵循 meta refreshes ？或者我是否需要为刷新元标记手动解析 HTML？

Answer 1

这是一个使用 BeautifulSoup 和 httplib2(以及基于证书的身份验证)的解决方案:

import BeautifulSoup
import httplib2

def meta_redirect(content):
    soup  = BeautifulSoup.BeautifulSoup(content)

    result=soup.find("meta",attrs={"http-equiv":"Refresh"})
    if result:
        wait,text=result["content"].split(";")
        if text.strip().lower().startswith("url="):
            url=text.strip()[4:]
            return url
    return None

def get_content(url, key, cert):
    
    h=httplib2.Http(".cache")
    h.add_certificate(key,cert,"")
    
    resp, content = h.request(url,"GET")
    
    # follow the chain of redirects
    while meta_redirect(content):
        resp, content = h.request(meta_redirect(content),"GET") 
            
    return content