在urllib2.urlopen上更改用户代理

StackOverflow https://stackoverflow.com/questions/802134

  •  03-07-2019
  •  | 
  •  

题

如何在urllib2.urlopen上使用默认用户代理下载网页？

有帮助吗？

解决方案

设置用户代理来自每个人的最爱潜入Python 。

短篇小说：您可以使用 Request.add_header 这样做。

您还可以在创建请求本身时将标题作为字典传递， as文档说明：

  

headers 应该是一个字典，并且将被视为使用每个键和值作为参数调用 add_header（）。这经常被用来欺骗＆＃8221; User-Agent 标头，浏览器用它标识自己＆＃8211;某些HTTP服务器仅允许来自常见浏览器而非脚本的请求。例如，Mozilla Firefox可能将自己标识为＆quot; Mozilla / 5.0（X11; U; Linux i686）Gecko / 20071127 Firefox / 2.0.0.11＆quot; ，而 urllib2 ＆ ＃8216;默认的用户代理字符串是＆quot; Python-urllib / 2.6＆quot; （在Python 2.6上）。

其他提示

我已回答 类似的问题。

该问题中有示例代码，但基本上您可以执行以下操作:(注意 User-Agent 的大小写，以及 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，有点短：

req = urllib2.Request('www.example.com', headers={ 'User-Agent': 'Mozilla/5.0' })
html = urllib2.urlopen(req).read()

对于python 3，urllib分为3个模块...... 

import urllib.request
req = urllib.request.Request(url="http://localhost/", 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有效，但（至少在Windows上使用Python 2.7.2）每次发送自定义User-agent标头时，urllib2都不会发送该标头。如果您不尝试发送User-agent标头，则会发送默认的Python / urllib2

这些方法似乎都不适用于添加User-agent，但它们适用于其他标头：

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 ，您可以使用：

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中的另一个解决方案：

req = urllib2.Request('http://www.example.com/')
req.add_unredirected_header('User-Agent', 'Custom User-Agent')
urllib2.urlopen(req)

试试这个：

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，即：
addheaders = [（'User-Agent'，'Python-urllib / 1.17'），（'Accept'，'* / *'）] 和
version ='Python-urllib / 1.17'。
要欺骗网站，您需要将这两个值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，与Gecko一样）Chrome / 33.0.1750.149 Safari / 537.36'
谷歌机器人：'Googlebot / 2.1'
像这样

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>)

仅更改一个属性不起作用，因为该网站将其标记为可疑请求。

许可以下： CC-BY-SA 和 归因
不隶属于 StackOverflow
scroll top