Python3 爬虫实例 -- 伪装浏览器
Posted
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Python3 爬虫实例 -- 伪装浏览器相关的知识,希望对你有一定的参考价值。
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
以上是关于Python3 爬虫实例 -- 伪装浏览器的主要内容,如果未能解决你的问题,请参考以下文章
爬虫实例——爬取煎蛋网OOXX频道(反反爬虫——伪装成浏览器)
Python 爬虫篇 - 通过urllib.request伪装成浏览器绕过反爬虫爬取网页所有连接实例演示,urllib2库的安装