Modification de l'agent utilisateur sur urllib2.urlopen

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

  •  03-07-2019
  •  | 
  •  

Question

Comment puis-je télécharger une page Web avec un agent utilisateur autre que celui par défaut sur urllib2.urlopen?

Était-ce utile?

La solution

Définition de l'agent utilisateur dans le favori de tous Plongez au coeur de Python .

La nouvelle: vous pouvez utiliser Request.add_header . faire ceci.

Vous pouvez également passer les en-têtes en tant que dictionnaire lors de la création de la demande elle-même, as la note de la documentation :

  Les

en-têtes doivent être un dictionnaire et seront traités comme si add_header () était appelé avec chaque clé et valeur en tant qu'argument. Ceci est souvent utilisé pour & # 8220; usurper & # 8221; l'en-tête User-Agent , qui permet au navigateur de s'identifier & # 8211; certains serveurs HTTP n'autorisent que les requêtes provenant de navigateurs courants, par opposition aux scripts. Par exemple, Mozilla Firefox peut s’identifier en tant que "Mozilla / 5.0 (X11; U; Linux i686) Gecko / 20071127 Firefox / 2.0.0.11" , tandis que urllib2 & La chaîne d'agent utilisateur par défaut de # 8216; est "Python-urllib / 2.6" (sur Python 2.6).

Autres conseils

J'ai répondu à un question similaire quelques semaines auparavant.

Il y a un exemple de code dans cette question, mais vous pouvez faire quelque chose comme ceci: (notez la capitalisation de User-Agent à partir de RFC 2616 , section 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()

Ou un peu plus court: 

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

Pour Python 3, urllib est divisé en 3 modules ... 

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)

Tout cela devrait fonctionner en théorie, mais (avec Python 2.7.2 au moins sous Windows), chaque fois que vous envoyez un en-tête User-agent personnalisé, urllib2 n'envoie pas cet en-tête. Si vous n'essayez pas d'envoyer un en-tête User-agent, il enverra le fichier Python / urllib2 par défaut

Aucune de ces méthodes ne semble fonctionner pour ajouter un agent utilisateur, mais elle fonctionne pour d'autres en-têtes: 

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')

Pour urllib , vous pouvez utiliser: 

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')

Une autre solution dans urllib2 et Python 2.7: 

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

Essayez ceci: 

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

il existe deux propriétés de urllib.URLopener () , à savoir:
addheaders = [('User-Agent', 'Python-urllib / 1.17'), ('Accept', '* / *')] et
version = 'Python-urllib / 1.17' .
Pour tromper le site Web, vous devez modifier ces deux valeurs en un User-Agent accepté. par exemple

Navigateur Chrome: 'Mozilla / 5.0 (X11; Linux x86_64) AppleWebKit / 537.36 (KHTML, comme Gecko) Chrome / 33.0.1750.149 Safari / 537.36'
Google bot: 'Googlebot / 2.1'
comme ça 

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>)

modifier une seule propriété ne fonctionne pas car le site Web la marque comme une requête suspecte.

Licencié sous: CC-BY-SA avec attribution
Non affilié à StackOverflow
scroll top