101

我如何下载带有除 urllib2.urlopen 上的默认用户代理以外的用户代理的网页？

4

9 回答 9

118

几周前我回答了一个类似的问题。

该问题中有示例代码，但基本上您可以执行以下操作：（请注意User-Agentas of RFC 2616的大写，第 14.43 节。）

opener = urllib2.build_opener()
opener.addheaders = [('User-Agent', 'Mozilla/5.0')]
response = opener.open('http://www.stackoverflow.com')
于 2009-04-29T12:56:46.987 回答
103 
headers = { 'User-Agent' : 'Mozilla/5.0' }
req = urllib2.Request('www.example.com', None, headers)
html = urllib2.urlopen(req).read()

或者，更短一点：

req = urllib2.Request('www.example.com', headers={ 'User-Agent': 'Mozilla/5.0' })
html = urllib2.urlopen(req).read()
于 2011-03-04T15:58:58.463 回答
61

从每个人最喜欢的Dive Into Python中设置 User-Agent。

简短的故事：您可以使用Request.add_header来做到这一点。

您还可以在创建请求本身时将标头作为字典传递，如文档注释：

headers应该是一个字典，并且将被视为add_header()使用每个键和值作为参数调用。这通常用于“欺骗”User-Agent标头，浏览器使用该标头来标识自己——一些 HTTP 服务器只允许来自普通浏览器的请求，而不是脚本。例如，Mozilla Firefox 可能将自己标识为"Mozilla/5.0 (X11; U; Linux i686) Gecko/20071127 Firefox/2.0.0.11"，而urllib2的默认用户代理字符串是"Python-urllib/2.6"（在 Python 2.6 上）。

于 2009-04-29T12:34:30.393 回答
14

对于 python 3，urllib 分为 3 个模块...

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)
于 2012-05-06T07:19:05.313 回答
9

所有这些在理论上都应该有效，但是（至少在 Windows 上使用 Python 2.7.2）任何时候发送自定义的 User-agent 标头，urllib2 都不会发送该标头。如果您不尝试发送 User-agent 标头，它会发送默认的 Python / urllib2

这些方法似乎都不适用于添加用户代理，但它们适用于其他标头：

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')
于 2012-01-24T21:32:26.163 回答
6

因为urllib你可以使用：

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')
于 2015-03-20T08:01:49.040 回答
5

urllib2Python 2.7中的另一个解决方案：

req = urllib2.Request('http://www.example.com/')
req.add_unredirected_header('User-Agent', 'Custom User-Agent')
urllib2.urlopen(req)
于 2013-01-14T18:54:25.390 回答
2

有两个属性，urllib.URLopener()即：
addheaders = [('User-Agent', 'Python-urllib/1.17'), ('Accept', '*/*')]和
version = 'Python-urllib/1.17'。
要欺骗网站，您需要将这两个值都更改为可接受的用户代理。例如
Chrome 浏览器：'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'
像这样 

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>)

仅更改一项属性不起作用，因为该网站将其标记为可疑请求。

于 2017-08-07T05:19:00.613 回答
1

试试这个 ：

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
于 2015-07-29T07:30:42.040 回答