02爬虫---浏览器的模拟Headers属性
来源:互联网 发布:js正则匹配网址 编辑:程序博客网 时间:2024/06/05 02:37
import urllib.request #导入包
使用urlopen()访问有些网站时会出现403错误,禁止访问的错误,这就需要爬虫模拟成浏览器
一、使用build_opener()修改报头
1、注意urlopen()不支持一些HTTP的高级功能,所以使用urllib.request.build_opener()
url = "http://blog.csdn.net/a877415861/article/details/78838301"# 定义headers存储对应的User-Agent信息,定义格式为("User-Agent",具体信息)headers = ('User-Agent', 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 UBrowser/6.2.3831.602 Safari/537.36')# 创建自定义的openeropener = urllib.request.build_opener() # 对象名.addheaders = [头信息] ,设置对应的报头opener.addhandlers = [headers] # (1)opener 对象名.open( url 地址) (2)打开网址后,再read()方法读取对应数据data = opener.open(url).read() print("网页:%s"%(data))
2、将爬取到的网页写入文件
fhandle = open("/home/zyb/crawler/myweb/part4/3.html", "wb")fhandle.write(data) # 把数据写入3.html内fhandle.close() # 关闭
二、使用add_header()添加报头
url = "http://blog.csdn.net/a877415861/article/details/78838301"# 使用urllib.request.Request(url) 创建Request对象req = urllib.request.Request(url)# 使用add_header()方法添加对应的报头信息,格式为:Request 对象名.add_header(字段名, 字段值)req.add_header('User-Agent', 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 UBrowser/6.2.3831.602 Safari/537.36')# 成功设置好报头,使用urlopen()打开对应的网址data = urllib.request.urlopen(req).read()print("网页:%s"%(data))
三、注意
两种方法都可以实现报头的添加,只是添加保温的方法不同,值得注意的是,方法1中使用的是addheaders()方法,方法二中使用的是add_header()方法,注意末尾有误s以及有误下划线的区别
阅读全文
0 0
- 02爬虫---浏览器的模拟Headers属性
- 测试有道之浏览器的模拟--Headers属性
- Python爬虫002浏览器的模拟Header属性
- python爬虫之Headers属性
- 爬虫浏览器头headers.py文件
- 考虑模拟浏览器的爬虫设计
- 爬虫入门到精通-headers的详细讲解(模拟登录知乎)
- httpclient模拟浏览器 的属性设置
- CListContrl得到headers的text属性
- Request Headers 里面的 Accept 属性
- Http Headers各属性的作用
- Http Request Headers各属性的作用
- Python 爬虫基础Headers
- 爬虫-urllib2-Headers (常用)
- Scrapy爬虫:模拟浏览器和使用代理
- php爬虫模拟浏览器,ini_set()用法
- python爬虫2之简单模拟浏览器
- python urllib2模拟浏览器请求 爬虫
- 基因数据处理67之bwa建立索引时间
- 基因数据处理68之avocado的配置文件默认无法从hdfs读取
- Scrapy_part1_初识SCRAPY和安装
- 基因数据处理69之bowtie安装与使用
- ll -bash: ls: command not found
- 02爬虫---浏览器的模拟Headers属性
- 基因数据处理70之Picard安装没成功
- 基因数据处理71之GRCH38 的chr14提取
- LeetCode28. Implement strStr()
- 关于支持向量机(SVM)
- Sublime Text 无法使用Package Control或插件安装失败的解决方法
- 基因数据处理72之GATK安装成功
- 171219 JarvisOJ(DebugMe)(1)
- 数据结构-最短路径