Изменение пользовательского агента на urllib2.urlopen
-
03-07-2019 - |
Вопрос
Как я могу загрузить веб-страницу с агентом пользователя, отличным от используемого по умолчанию, на urllib2.urlopen?
Решение
Настройка пользовательского агента от всеми любимого Погрузитесь в Python.
Короткий рассказ:Вы можете использовать Запрос.add_header чтобы сделать это.
Вы также можете передать заголовки в виде словаря при создании самого запроса, как отмечается в документах:
заголовки должен быть словарь, и он будет обрабатываться так, как если бы
add_header()
был вызван с каждым ключом и значением в качестве аргументов.Это часто используется для “подделки”User-Agent
заголовок, который используется браузером для идентификации себя – некоторые HTTP-серверы разрешают только запросы, поступающие из обычных браузеров, в отличие от скриптов.Например, Mozilla Firefox может идентифицировать себя как"Mozilla/5.0 (X11; U; Linux i686) Gecko/20071127 Firefox/2.0.0.11"
, в то время какurllib2
строка пользовательского агента по умолчанию равна"Python-urllib/2.6"
(на Python 2.6).
Другие советы
Я ответил a похожий вопрос пару недель назад.
В этом вопросе есть пример кода, но в принципе вы можете сделать что-то вроде этого:(Обратите внимание на заглавные буквы User-Agent
по состоянию на RFC 2616, раздел 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()
Или, немного короче:
req = urllib2.Request('www.example.com', headers={ 'User-Agent': 'Mozilla/5.0' })
html = urllib2.urlopen(req).read()
Для python 3 urllib разделен на 3 модуля...
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)
Теоретически все это должно работать, но (по крайней мере, с Python 2.7.2 в Windows) каждый раз, когда вы отправляете пользовательский заголовок User-agent, urllib2 не отправляет этот заголовок.Если вы не пытаетесь отправить заголовок User-agent, он отправляет Python / urllib2 по умолчанию
Ни один из этих методов, похоже, не работает для добавления User-agent, но они работают для других заголовков:
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')
Для urllib
вы можете использовать:
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')
Другое решение в urllib2
и Python 2.7:
req = urllib2.Request('http://www.example.com/')
req.add_unredirected_header('User-Agent', 'Custom User-Agent')
urllib2.urlopen(req)
Попробуй это :
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
существует два свойства urllib.URLopener()
а именно:
addheaders = [('User-Agent', 'Python-urllib/1.17'), ('Accept', '*/*')]
и
version = 'Python-urllib/1.17'
.
Чтобы обмануть веб-сайт, вам нужно изменить оба этих значения на принятый пользовательский агент.например, для
Браузер Chrome : 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/33.0.1750.149 Safari/537.36'
Бот Google : 'Googlebot/2.1'
вот так
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>)
изменение только одного свойства не работает, поскольку веб-сайт помечает его как подозрительный запрос.