#yyds干货盘点#Python - 爬虫_请求伪造

Posted 在下小黄

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了#yyds干货盘点#Python - 爬虫_请求伪造相关的知识,希望对你有一定的参考价值。

一、伪装自己

  • 有些网站不会同意程序直接用上面的方式进行访问,如果识别有问题,那么站点根本不会响应,所以为了完全模拟浏览器的工作

1.1 设置请求头

  • 其中User-Agent代表用的哪个请求的浏览器

  • 代码如下:
from urllib.request import urlopen
from urllib.request import Request

url = http://www.server.com/login
user_agent = Mozilla/4.0 (compatible; MSIE 5.5; Windows NT) 
headers = { User-Agent : user_agent }  

request = Request(url, headers=headers)  
response = urlopen(request)  
page = response.read()
  • 对付防盗链,服务器会识别headers中的referer是不是它自己,如果不是,有的服务器不会响应,所以我们还可以在headers中加入referer
  • 代码如下:
headers = { 
         User-Agent : Mozilla/4.0 (compatible; MSIE 5.5; Windows NT),
         Referer:http://www.zhihu.com/articles 
          }

提示

import urllib.request
import random
ua_list = [
    "Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0)",
    "Mozilla/5.0 (Windows; U; Windows NT 5.2) Gecko/2008070208 Firefox/3.0.1",
    "Mozilla/5.0 (Windows; U; Windows NT 5.2) AppleWebKit/525.13 (Khtml, like Gecko) Version/3.1",
    "Mozilla/5.0 (Windows; U; Windows NT 5.2) AppleWebKit/525.13 (KHTML, like Gecko) Chrome/0.2.149.27",
    "Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0; Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1) ;  QIHU 360EE)"
]
user_agent = random.choice(ua_list)
request = urllib.request.Request("http://www.baidu.com")
request.add_header("User-Agent",user_agent)
#区分大小写
print(request.get_header("User-agent"))

举个例子

  • 在举例之前,先给大家讲解一下URL的组成:

url的组成

https://www.baidu.com/s?wd=周杰伦

http/https www.baidu.com 80/443 s wd = 周杰伦

协议 主机 端口号 路径 参数 锚点

http 80

https 443

mysql 3306

oracle 1521

redis 6379

mongodb 27017

```python
import urllib.request

url = https://www.baidu.com

headers = {
    User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.159 Safari/537.36
}

# 因为urlopen方法中不能存储字典 所以headers不能传递进去
# 请求对象的定制
request = urllib.request.Request(url=url,headers=headers)

response = urllib.request.urlopen(request)

content = response.read().decode(utf8)

print(content)


1.2 设置代理Proxy

分类:

透明代理:目标网站知道你使用了代理并且知道你的源IP地址,这种代理显然不符合我们这里使用代理的初衷

匿名代理:匿名程度比较低,也就是网站知道你使用了代理,但是并不知道你的源IP地址

高匿代理:这是最保险的方式,目标网站既不知道你使用的代理更不知道你的源IP

代码如下:

from urllib.request import ProxyHandler
from urllib.request import build_opener

proxy = ProxyHandler({"http": "119.109.197.195:80"})
opener = build_opener(proxy)
url = "http://www.baidu.com"
response = opener.open(url)
print(response.read().decode("utf-8"))

2 使用DebugLog

可以通过下面的方法把 Debug Log 打开,这样收发包的内容就会在屏幕上打印出来,方便调试,这个也不太常用,仅提一下

from urllib.request import HTTPHandler
from urllib.request import build_opener
from urllib.request import Request

handler = HTTPHandler(debuglevel=1)
opener = build_opener(handler)
url = "http://www.sohu.com"
request = Request(url)
response = opener.open(request)

各位路过的朋友,如果觉得可以学到些什么的话,点个赞 再走吧,欢迎各位路过的大佬评论,指正错误,也欢迎有问题的小伙伴评论留言,私信。

每个小伙伴的关注都是本人更新博客的动力!!!
请微信搜索【 在下小黄 】文章更新将在第一时间阅读 !


以上是关于#yyds干货盘点#Python - 爬虫_请求伪造的主要内容,如果未能解决你的问题,请参考以下文章

#yyds干货盘点# 通过淘宝数据学习爬虫,python scrapy requests与response对象

# yyds干货盘点 # Python网络爬虫中重新请求,请问有什么比较好的解决方法?

#yyds干货盘点#Python爬虫之Urllib用法合集

# yyds干货盘点 # Python网络爬虫过程中,构建网络请求的时候,参数`stream=True`的使用

#yyds干货盘点# python 爬虫爱好者必须掌握的知识点“ 协程爬虫”,看一下如何用 gevent 采集女生用头像

#yyds干货盘点# python scrapy 管道学习,并拿在行练手爬虫项目