Ändern User-Agent auf urllib2.urlopen
-
03-07-2019 - |
Frage
Wie kann ich herunterladen eine Webseite mit einem User-Agenten andere als der Standard auf urllib2.urlopen?
Lösung
Einstellen des User-Agent von jedem Liebling Dive Into Python .
Die Kurzgeschichte: Sie können Request.add_header dies zu tun.
Sie können auch die Header als Wörterbuch übergeben, wenn die Anfrage Erstellen von selbst, als die docs note :
Header sollte ein Wörterbuch, und wird behandelt, als ob
add_header()
mit jedem Schlüssel und Wert als Argument genannt wurde. Dies wird oft verwendet, um „Parodie“ derUser-Agent
Header, der von einem Browser verwendet wird, um sich zu identifizieren - einig HTTP-Server nur Anfragen erlauben, von gängigen Browsern kommen als zu Skripten gegenüber. Zum Beispiel kann Mozilla Firefox identifiziert sich als"Mozilla/5.0 (X11; U; Linux i686) Gecko/20071127 Firefox/2.0.0.11"
, während Standard-User-Agent-String derurllib2
"Python-urllib/2.6"
wird (auf Python 2.6).
Andere Tipps
beantwortet eine ähnliche Frage vor ein paar Wochen.
Es gibt Beispielcode in dieser Frage, aber im Grunde kann man so etwas tun: (Beachten Sie die Aktivierung von User-Agent
von RFC 2616 , Abschnitt 14.43.)
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()
Oder etwas kürzer:
req = urllib2.Request('www.example.com', headers={ 'User-Agent': 'Mozilla/5.0' })
html = urllib2.urlopen(req).read()
Für Python 3, urllib ist aufgeteilt in 3 Module ...
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)
Diese sollten in der Theorie alle arbeiten, aber (mit Python 2.7.2 unter Windows mindestens) jederzeit einen benutzerdefinierten User-agent-Header senden, urllib2 sendet nicht, dass die Header. Wenn Sie nicht versuchen, einen User-Agent-Header zu senden, sendet die Standard-Python / urllib2
Keine dieser Methoden scheinen für das Hinzufügen von User-Agent zu arbeiten, aber sie arbeiten für andere Header:
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')
Für urllib
können Sie:
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')
Eine andere Lösung in urllib2
und Python 2.7:
req = urllib2.Request('http://www.example.com/')
req.add_unredirected_header('User-Agent', 'Custom User-Agent')
urllib2.urlopen(req)
Versuchen Sie folgendes:
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
Es gibt zwei Eigenschaften von urllib.URLopener()
nämlich:
addheaders = [('User-Agent', 'Python-urllib/1.17'), ('Accept', '*/*')]
und
version = 'Python-urllib/1.17'
.
beide dieser Werte zu einem akzeptierten User-Agent zu täuschen die Website erklären Sie sich Änderungen benötigen. für z
Chrome-Browser: 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/33.0.1750.149 Safari/537.36'
Google bietet: 'Googlebot/2.1'
wie diese
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>)
Ändern nur eine Eigenschaft funktioniert nicht, weil die Website es als verdächtig markiert Anfrage.