欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

python—爬虫伪装成浏览器的三种方法

程序员文章站 2022-05-14 09:40:31
好多网站对于爬虫中没有进行浏览器伪装的会进行反爬, 以糗事百科网站为例 下面提供了三种方法添加headers,使爬虫能够伪装成浏览器访问。 备注: 方法二和方法三中省略了 方法一:通过opener添加header 方法二:通过opener批量添加header 方法三:通过Request添加heade ......

好多网站对于爬虫中没有进行浏览器伪装的会进行反爬

糗事百科网站为例

下面提供了三种方法添加headers,使爬虫能够伪装成浏览器访问

备注:

方法二和方法三中省略了

import urllib.request
url = 'http://www.qiushibaike.com/'

 

方法一:通过opener添加header

 1 # 方法一:通过opener添加headers
 2 import urllib.request
 3 url = 'http://www.qiushibaike.com/'
 4 
 5 # 头文件格式header=('user-agent',具体用户代理值) 元组形式,元组内包含(key,value)
 6 headers=('user-agent','mozilla/5.0 (windows nt 10.0; wow64) applewebkit/537.36 (khtml, like gecko) chrome/49.0.2623.22 safari/537.36 se 2.x metasr 1.0')
 7 # 创建opener对象
 8 opener = urllib.request.build_opener()
 9 opener.addheaders = [headers]
10 # (1)直接使用opener进行爬虫
11 data = opener.open(url).read()
12 # print(data)
13 print(len(data))
14 # (2)将opener安装为全局,全局生效后,再使用urlopen
15 urllib.request.install_opener(opener) 
16 data = urllib.request.urlopen(url).read()
17 print(len(data))


 

方法二:通过opener批量添加header

 1 # 方法二:批量添加headers 有时候只添加user-agent这一个header不行,需要多添加几个header
 2 headers={"user-agent":"mozilla/5.0 (windows nt 10.0; wow64) applewebkit/537.36 (khtml, like gecko) chrome/49.0.2623.22 safari/537.36 se 2.x metasr 1.0","content-type":"application/javascript",
 3 }
 4 #创建opener对象
 5 opener = urllib.request.build_opener()
 6 opener.addheaders = headers.items()  #header.items() 字典(dictionary).items() 函数以列表返回可遍历的(键, 值) 元组数组。正好符合addheaders属性要求的值的类型。[(key1,value1),(key2,value2),(key3,value3)]
 7 # (1)直接使用opener进行爬虫
 8 data = opener.open(url).read()
 9 # print(data)
10 print(len(data))
11 # (2)将opener安装为全局,全局生效后,再使用urlopen
12 urllib.request.install_opener(opener) 
13 data = urllib.request.urlopen(url).read()
14 print(len(data))

 

方法三:通过request添加header

1 # 方法三:通过request添加headers
2 req = urllib.request.request(url)
3 req.add_header('user-agent', 'mozilla/5.0 (windows nt 6.1; wow64) applewebkit/537.36 (khtml, like gecko) chrome/38.0.2125.122 safari/537.36 se 2.x metasr 1.0')
4 req_data = urllib.request.urlopen(req).read()
5 print(len(req_data))