Як я можу завантажити веб-сторінку разом із користувацьким агентом, відмінним від типового, на urllib2.urlopen?
Як я можу завантажити веб-сторінку разом із користувацьким агентом, відмінним від типового, на urllib2.urlopen?
Відповіді:
Налаштування Користувача-агента від улюбленого всіма занурення в Python .
Коротка історія: Ви можете використовувати Request.add_header для цього.
Ви також можете передавати заголовки як словник під час створення самого запиту, як зазначають документи :
заголовки повинні бути словником, і вони будуть розглядатися так, ніби
add_header()
викликаються з кожною клавішею і значенням як аргументи. Це часто використовується для "підробки"User-Agent
заголовка, який використовується браузером для ідентифікації себе - деякі сервери HTTP дозволяють лише запити, що надходять із звичайних браузерів, на відміну від скриптів. Наприклад, Mozilla Firefox може ідентифікувати себе як"Mozilla/5.0 (X11; U; Linux i686) Gecko/20071127 Firefox/2.0.0.11"
, тоді якurllib2
рядком агента користувача за замовчуванням є"Python-urllib/2.6"
(на Python 2.6).
Я відповів на подібне запитання пару тижнів тому.
У цьому питанні є приклад коду, але в основному ви можете зробити щось подібне: (Зверніть увагу на використання великих літер User-Agent
у RFC 2616 , розділ 14.43.)
opener = urllib2.build_opener()
opener.addheaders = [('User-Agent', 'Mozilla/5.0')]
response = opener.open('http://www.stackoverflow.com')
User-agent
насправді має бути User-Agent
(А з великої літери) Здається, працює для мене, коли це робиться.
headers = { 'User-Agent' : 'Mozilla/5.0' }
req = urllib2.Request('www.example.com', None, headers)
html = urllib2.urlopen(req).read()
Або трохи коротше:
req = urllib2.Request('www.example.com', headers={ 'User-Agent': 'Mozilla/5.0' })
html = urllib2.urlopen(req).read()
req = urllib2.Request('www.example.com', headers={'User-Agent': 'Mozilla/5.0'})
. Я вважаю за краще, щоб ця форма була лише одним запитом.
html = urlopen(Request('http://www.example.com', headers={'User-Agent': 'Mozilla/5.0'})).read()
Для python 3 urllib розділений на 3 модулі ...
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)
data=b'None'
параметр з відповіді. Він перетворив приклад запиту в POST з недійсними даними. Можливо, причина невдачі у вашому випадку, @Maksim
Все це повинно працювати теоретично, але (з принаймні Python 2.7.2 для Windows) щоразу, коли ви надсилаєте користувацький заголовок User-agent, urllib2 не надсилає цей заголовок. Якщо ви не намагаєтесь надіслати заголовок User-agent, він надсилає Python / urllib2 за замовчуванням
Жоден із цих методів, здається, не працює для додавання User-agent, але він працює для інших заголовків:
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')
opener.addheaders
мабуть, мабуть [('User-agent', 'Custom user agent')]
. Інакше всі ці методи повинні працювати (я протестував на Python 2.7.3 (Linux)). У вашому випадку це може зламатися, оскільки ви неправильно використовуєте аргумент проксі.
Для urllib
ви можете використовувати:
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')
Спробуйте це :
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
urllib2
а не інші модулі.
є дві властивості, urllib.URLopener()
а саме:
addheaders = [('User-Agent', 'Python-urllib/1.17'), ('Accept', '*/*')]
і
version = 'Python-urllib/1.17'
.
Щоб обдурити веб-сайт, потрібно змінити обидва ці значення на прийнятий Користувач-агент. наприклад,
браузер Chrome: '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'
як це
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>)
змінити лише один ресурс не працює, оскільки веб-сайт позначає це як підозрілий запит.