urllib2.urlopen에서 사용자 에이전트 변경
-
03-07-2019 - |
문제
urllib2.urlopen의 기본 에이전트 이외의 사용자 에이전트와 함께 웹 페이지를 다운로드하려면 어떻게해야합니까?
해결책
사용자 에이전트 설정 모두가 좋아하는 것입니다 파이썬으로 뛰어 들었습니다.
단편 소설 : 사용할 수 있습니다 request.add_header 이것을하기 위해.
요청 자체를 만들 때 헤더를 사전으로 전달할 수도 있습니다. 문서에 주목합니다:
헤더 사전이어야하며 마치 마치 취급됩니다.
add_header()
각 키와 가치를 인수로 호출했습니다. 이것은 종종“스푸핑”에 사용됩니다User-Agent
브라우저에서 자체를 식별하는 데 사용되는 헤더 - 일부 HTTP 서버는 스크립트와 달리 공통 브라우저에서 오는 요청 만 허용합니다. 예를 들어, Mozilla Firefox는 자체를 다음과 같이 식별 할 수 있습니다"Mozilla/5.0 (X11; U; Linux i686) Gecko/20071127 Firefox/2.0.0.11"
, 동안urllib2
의 기본 사용자 에이전트 문자열입니다"Python-urllib/2.6"
(Python 2.6).
다른 팁
headers = { 'User-Agent' : 'Mozilla/5.0' }
req = urllib2.Request('www.example.com', None, headers)
html = urllib2.urlopen(req).read()
또는 조금 더 짧은 :
req = urllib2.Request('www.example.com', headers={ 'User-Agent': 'Mozilla/5.0' })
html = urllib2.urlopen(req).read()
Python 3의 경우 urllib은 3 개의 모듈로 분할됩니다 ...
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)
이 모든 것이 이론적으로 작동해야하지만 (최소한 Windows의 Python 2.7.2와 함께) 사용자 정의 사용자 에이전트 헤더를 보낼 때마다 URLLIB2는 해당 헤더를 보내지 않습니다. 사용자 에이전트 헤더를 보내려고하지 않으면 기본 Python / urllib2를 보냅니다.
이 방법 중 어느 것도 사용자 에이전트를 추가하는 데 효과가없는 것처럼 보이지만 다른 헤더에서 작동합니다.
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')
을 위한 urllib
당신이 사용할 수있는:
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')
또 다른 해결책 urllib2
그리고 파이썬 2.7 :
req = urllib2.Request('http://www.example.com/')
req.add_unredirected_header('User-Agent', 'Custom User-Agent')
urllib2.urlopen(req)
이 시도 :
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
두 가지 속성이 있습니다 urllib.URLopener()
즉:
addheaders = [('User-Agent', 'Python-urllib/1.17'), ('Accept', '*/*')]
그리고
version = 'Python-urllib/1.17'
.
웹 사이트를 속이려면이 두 값을 모두 허용 된 사용자 에이전트로 변경해야합니다. 예를 들어
크롬 브라우저 : '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'
이와 같이
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>)
웹 사이트가 웹 사이트가 의심스러운 요청으로 표시되기 때문에 하나의 속성 만 변경하는 것은 작동하지 않습니다.