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,
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
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))