更改urllib2.urlopen上的用户代理
如何使用urllib2.urlopen中默认的用户代理下载网页?
从每个人最喜欢的Dive Into Python中 设置User-Agent 。
小故事:你可以使用Request.add_header来做到这一点。
您也可以在创build请求本身时将它们作为字典传递, 如文档注释 :
标题应该是一个字典,并将被视为与每个键和值作为参数调用
add_header()
。 这通常被用来“欺骗”User-Agent
头,浏览器用它来标识自己 – 一些HTTP服务器只允许来自普通浏览器而不是脚本的请求。 例如,Mozilla Firefox可能会将自己标识为"Mozilla/5.0 (X11; U; Linux i686) Gecko/20071127 Firefox/2.0.0.11"
,而urllib2
的默认用户代理string是"Python-urllib/2.6"
2.6)。
几周前我回答了一个类似的问题 。
在这个问题中有代码示例,但基本上可以这样做:(请注意User-Agent
的大写, RFC 2616 ,第14.43节)。
opener = urllib2.build_opener() opener.addheaders = [('User-Agent', 'Mozilla/5.0')] response = opener.open('http://www.stackoverflow.com')
headers = { 'User-Agent' : 'Mozilla/5.0' } req = urllib2.Request('www.example.com', None, headers) html = urllib2.urlopen(req).read()
或者,稍微缩短一点:
req = urllib2.Request('www.example.com', headers={ 'User-Agent': 'Mozilla/5.0' }) html = urllib2.urlopen(req).read()
对于Python 3,urllib被分成3个模块…
import urllib.request req = urllib.request.Request(url="http://localhost/",data=b'None',headers={'User-Agent':' Mozilla/5.0 (Windows NT 6.1; WOW64; rv:12.0) Gecko/20100101 Firefox/12.0'}) handler = urllib.request.urlopen(req)
所有这些都应该在理论上工作,但是(至less在Windows上是Python 2.7.2),只要你发送一个自定义的User-agent头,urllib2就不会发送这个头。 如果您不尝试发送用户代理标头,它会发送默认的Python / urllib2
这些方法似乎都没有用于添加用户代理,但他们工作的其他标题:
opener = urllib2.build_opener(proxy) opener.addheaders = {'User-agent':'Custom user agent'} urllib2.install_opener(opener) request = urllib2.Request(url, headers={'User-agent':'Custom user agent'}) request.headers['User-agent'] = 'Custom user agent' request.add_header('User-agent', 'Custom user agent')
对于urllib
你可以使用:
from urllib import FancyURLopener class MyOpener(FancyURLopener, object): version = 'Mozilla/5.0 (Windows; U; Windows NT 5.1; it; rv:1.8.1.11) Gecko/20071127 Firefox/2.0.0.11' myopener = MyOpener() myopener.retrieve('https://www.google.com/search?q=test', 'useragent.html')
urllib2
和Python 2.7中的另一个解决scheme:
req = urllib2.Request('http://www.example.com/') req.add_unredirected_header('User-Agent', 'Custom User-Agent') urllib2.urlopen(req)
尝试这个 :
html_source_code = requests.get("http://www.example.com/", headers={'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/44.0.2403.107 Safari/537.36', 'Upgrade-Insecure-Requests': '1', 'x-runtime': '148ms'}, allow_redirects=True).content
urllib.URLopener()
有两个属性:
addheaders = [('User-Agent', 'Python-urllib/1.17'), ('Accept', '*/*')]
和
version = 'Python-urllib/1.17'
。
为了欺骗网站,您需要将这两个值都更改为已接受的用户代理。 例如
Chrome浏览器: 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/33.0.1750.149 Safari/537.36'
Google bot: 'Googlebot/2.1'
喜欢这个
import urllib page_extractor=urllib.URLopener() page_extractor.addheaders = [('User-Agent', 'Googlebot/2.1'), ('Accept', '*/*')] page_extractor.version = 'Googlebot/2.1' page_extractor.retrieve(<url>, <file_path>)
更改只是一个属性不起作用,因为该网站将其标记为可疑的请求。