爬蟲-繞過瀏覽器防爬機制的小方法
1.設置Headers
調試瀏覽器F12，用的是Chrome，打開網絡監聽
請求的頁面包含了許許多多的內容，這些內容也不是一次性就加載完成的，實質上是執行了好多次請求，一般是首先請求HTML文 件，然後加載JS，CSS 等等，經過多次請求之後，網頁的骨架和肌肉全了，整個網頁的效果也就出來了。
Request-headers-response
agent:請求的身份
設置Headers,構建request時傳入，在請求時，就加入了headers傳送，（作用）服務器若識別了是瀏覽器發來的請求，就會得到響應。
用戶-瀏覽器-服務器
服務器“防盜鏈”的方式：服務器會識別headers中的referer是不是它自己
上有政策，下有對策
構造Headers時加入Referer(Headers>Referer)
headers = { 'User-Agent' : 'Mozilla/4.0(compatible; MSIE 5.5; Windows NT)' ,'Referer':'http://www.zhihu.com/articles' }
headers的一些屬性
User-Agent : 有些服務器或 Proxy 會通過該值來判斷是否是瀏覽器發出的請求
Content-Type : 在使用 REST 接口時，服務器會檢查該值，用來確定 HTTPBody 中的內容該怎樣解析。
application/xml ： 在 XML RPC，如 RESTful/SOAP 調用時使用
application/json ： 在 JSON RPC 調用時使用
application/x-www-form-urlencoded ： 瀏覽器提交 Web 表單時使用
在使用服務器提供的 RESTful 或 SOAP 服務時， Content-Type 設置錯誤會導致服務器拒絕服務
2. Proxy（代理）的設置
urllib2 默認會使用環境變量 http_proxy 來設置 HTTP Proxy
一個網站它會檢測某一段時間某個IP 的訪問次數，如果訪問次數過多，它會禁止你的訪問。(對策)所以你可以設置一些代理服務器來幫助你做工作，每隔一段時間換一個代理，網站君都不知道是誰在搗鬼了，這酸爽！
3.Timeout 設置
設置等待多久超時，爲了解決一些網站實在響應過慢而造成的影響。
（響應）response =urllib2.urlopen('http://www.baidu.com', timeout=10)
4.使用 HTTP 的PUT 和 DELETE 方法
http協議有六種請求方法：get,head,put,delete,post,options，我們有時候需要用到PUT方式或者DELETE方式請求。
PUT：這個方法比較少見。HTML表單也不支持這個。本質上來講， PUT和POST極爲相似，都是向服務器發送數據，但它們之間有一個重要區別，PUT通常指定了資源的存放位置，而POST則沒有，POST的數據存放位置由服務器自己決定。
DELETE：刪除某一個資源。基本上這個也很少見，不過還是有一些地方比如amazon的S3雲服務裏面就用的這個方法來刪除資源。
5.使用DebugLog（不常用）
收發包的內容就會在屏幕上打印出來，方便調試
import urllib2
httpHandler =urllib2.HTTPHandler(debuglevel=1)
httpsHandler =urllib2.HTTPSHandler(debuglevel=1)
opener =urllib2.build_opener(httpHandler, httpsHandler)
urllib2.install_opener(opener)
response =urllib2.urlopen('http://www.baidu.com')