Python3 爬虫 -- 伪装浏览器

Posted 2022-06-22 逆風的薔薇

一、伪装浏览器

对于一些需要登录的网站，如果不是从浏览器发出的请求，则得不到响应。所以，我们需要将爬虫程序发出的请求伪装成浏览器正规军。
具体实现：自定义网页请求报头。

二、使用Fiddler查看请求和响应报头

打开工具Fiddler，然后再浏览器访问“https://www.douban.com/”，在Fiddler左侧访问记录中，找到“200 HTTPS www.douban.com”这一条，点击查看其对应的请求和响应报头具体内容：

三、访问豆瓣

我们自定义请求报头与上图Request Headers相同内容：

'''
伪装浏览器

对于一些需要登录的网站，如果不是从浏览器发出的请求，则得不到响应。
所以，我们需要将爬虫程序发出的请求伪装成浏览器正规军。
具体实现：自定义网页请求报头。
'''

#实例二：依然爬取豆瓣，采用伪装浏览器的方式

import urllib.request

#定义保存函数
def saveFile(data):
    path = "E:\\\\projects\\\\Spider\\\\02_douban.out"
    f = open(path,'wb')
    f.write(data)
    f.close()

#网址
url = "https://www.douban.com/"
headers = 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (Khtml, like Gecko) '
                        'Chrome/51.0.2704.63 Safari/537.36'
req = urllib.request.Request(url=url,headers=headers)

res = urllib.request.urlopen(req)

data = res.read()

#也可以把爬取的内容保存到文件中
saveFile(data)

data = data.decode('utf-8')
#打印抓取的内容
print(data)


#打印爬取网页的各类信息
print(type(res))
print(res.geturl())
print(res.info())
print(res.getcode())

四、输出的结果结果（截取部分）

结果文件内容

GitHub代码链接