URL recupera troppi reindirizzamenti ripetuti

Question

Sto cercando di caricare un URL e ricevo questo errore:

DownloadError: ApplicationError: 2 troppi reindirizzamenti ripetuti

Questo è il codice che sto usando:

  headers = { 'User-Agent' : 'Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10_6_8; de-at) AppleWebKit/533.21.1 (KHTML, like Gecko) Version/5.0.5 Safari/533.21.1' }    
  url = "http://www.cafebonappetit.com/menu/your-cafe/collins-cmc/cafes/details/50/collins-bistro"
  cmcHTM = urlfetch.fetch(url=url)
  cmcHTML = str(cmcHTM.content)

Controllo i reindirizzamenti di questo sito Web su: http://www.internetofficer.com/seo-tool/redirect-check/E ho scoperto che questo sito viene reindirizzato a se stesso! Quindi URL Fetch sembra andare in cerchio cercando di caricare questa pagina. Nel frattempo, questa pagina si carica bene nel mio browser.

Quindi ho provato a usare questo codice:

  cmcHTM = urlfetch.fetch(url=url,
    follow_redirects=False,
    deadline=100
    )

Questo non restituisce nulla però. C'è un modo per ottenere questo HTML?!

Answer 1

Ci scusiamo per la risposta ritardata. L'ho trovato che ha funzionato:

import urllib, urllib2, Cookie
from google.appengine.api import urlfetch

class URLOpener:
  def __init__(self):
      self.cookie = Cookie.SimpleCookie()

  def open(self, url, data = None):
      if data is None:
          method = urlfetch.GET
      else:
          method = urlfetch.POST

      while url is not None:
          response = urlfetch.fetch(url=url,
                          payload=data,
                          method=method,
                          headers=self._getHeaders(self.cookie),
                          allow_truncated=False,
                          follow_redirects=False,
                          deadline=10
                          )
          data = None # Next request will be a get, so no need to send the data again. 
          method = urlfetch.GET
          self.cookie.load(response.headers.get('set-cookie', '')) # Load the cookies from the response
          url = response.headers.get('location')

      return response

  def _getHeaders(self, cookie):
      headers = {
                 'Host' : 'www.google.com',
                 'User-Agent' : 'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.2) Gecko/20090729 Firefox/3.5.2 (.NET CLR 3.5.30729)',
                 'Cookie' : self._makeCookieHeader(cookie)
                  }
      return headers

  def _makeCookieHeader(self, cookie):
      cookieHeader = ""
      for value in cookie.values():
          cookieHeader += "%s=%s; " % (value.key, value.value)
      return cookieHeader

Immagino che la chiave sia il ciclo while - seguendo i reindirizzamenti in base all'intestazione di ritorno ...

Answer 2

Penso che questo sia un problema nel sito, non nel tuo codice. Il sito sembra progettato, quindi si reindirizza a se stesso quando non rileva un intestazione che viene abitualmente inviato da un browser. Ad esempio, quando provo ad accedervi con Curl ottengo un corpo vuoto con un reindirizzamento 302 a se stesso, ma nel browser ottengo una pagina. Dovresti chiedere al proprietario del sito cosa stanno verificando ...