urllib-Proxy

Posted 2021-01-08 c-pyday

代理的使用：

首先，当我们正确爬取一个网页时，发现代码没有错误，可就是不能爬取网站。原因是有些网站设置了反爬取手段，就是知道你就是用python代码爬取该网站，设置了屏蔽。如果我们又想爬取该网站，便要我们使用代理服务了。

from urllib import request
url = "http://httpbin.org/"
headers = {
    #使用代理 伪装一个火狐浏览器
    "User-Agent":‘Mozilla/5.0 (Windows NT 6.2; WOW64; rv:51.0) Gecko/20100101 Firefox/51.0‘,
    "host":‘httpbin.org‘
}
req = request.Request(url=url,headers=headers)      #发出url请求
response = request.urlopen(req)                     #打开req对象
print(response.read().decode("utf-8"))

from urllib import request
url = "http://httpbin.org/"
req = request.Request(url=url)      #发出url请求
req.add_header(
    "User-Agent",‘Mozilla/5.0 (Windows NT 6.2; WOW64; rv:51.0) Gecko/20100101 Firefox/51.0‘
)
response = request.urlopen(req)                     #打开req对象
print(response.read().decode("utf-8"))

意思就是以浏览器的身份去访问被屏蔽的网站，这样就不会被认为是python爬取的代码了