python爬蟲(chóng)模擬瀏覽器的兩種方法實(shí)例分析
本文實(shí)例講述了python爬蟲(chóng)模擬瀏覽器的兩種方法。分享給大家供大家參考，具體如下：
爬蟲(chóng)爬取網(wǎng)站出現(xiàn)403，因?yàn)檎军c(diǎn)做了防爬蟲(chóng)的設(shè)置
一、Herders 屬性
爬取CSDN博客
import urllib.request url = "http://blog.csdn.net/hurmishine/article/details/71708030"file = urllib.request.urlopen(url)
爬取結(jié)果
urllib.error.HTTPError: HTTP Error 403: Forbidden
這就說(shuō)明CSDN做了一些設(shè)置，來(lái)防止別人惡意爬取信息
所以接下來(lái)，我們需要讓爬蟲(chóng)模擬成瀏覽器
任意打開(kāi)一個(gè)網(wǎng)頁(yè)，比如打開(kāi)百度,然后按F12，此時(shí)會(huì)出現(xiàn)一個(gè)窗口，我們切換到Network標(biāo)簽頁(yè)，然后點(diǎn)擊刷新網(wǎng)站，選中彈出框左側(cè)的“www.baidu.com”，即下圖所示：
往下拖動(dòng) 我們會(huì)看到“User-Agent”字樣的一串信息，沒(méi)錯(cuò) 這就是我們想要的東西。我們將其復(fù)制下來(lái)。
此時(shí)我們得到的信息是：”Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36”
接下來(lái)我們可以用兩種方式來(lái)模擬瀏覽器訪(fǎng)問(wèn)網(wǎng)頁(yè)。
二、方法1：使用build_opener()修改報(bào)頭
由于urlopen()不支持一些HTTP的高級(jí)功能，所以我們需要修改報(bào)頭。可以使用urllib.request.build_opener()進(jìn)行，我們修改一下上面的代碼：
import urllib.request
url = "http://blog.csdn.net/hurmishine/article/details/71708030"headers = ("User-Agent","Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36")
opener = urllib.request.build_opener()
opener.addheaders = [headers]
data = opener.open(url).read()
print(data)
上面代碼中我們先定義一個(gè)變量headers來(lái)儲(chǔ)存User-Agent信息，定義的格式是(“User-Agent”,具體信息)
具體信息我們上面已經(jīng)獲取到了，這個(gè)信息獲取一次即可，以后爬取其他網(wǎng)站也可以用，所以我們可以保存下來(lái)，不用每次都F12去找了。
然后我們用urllib.request.build_opener()創(chuàng)建自定義的opener對(duì)象并賦值給opener，然后設(shè)置opener的addheaders，就是設(shè)置對(duì)應(yīng)的頭信息，格式為：“opener(對(duì)象名).addheaders = [頭信息(即我們儲(chǔ)存的具體信息)]”，設(shè)置好后我們就可以使用opener對(duì)象的open()方法打開(kāi)對(duì)應(yīng)的網(wǎng)址了。格式:“opener(對(duì)象名).open(url地址)”打開(kāi)后我們可以使用read()方法來(lái)讀取對(duì)應(yīng)數(shù)據(jù)，并賦值給data變量。
得到輸出結(jié)果
b'\r\n<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">\r\n \r\n <html xmlns="http://www.w3.org/1999/xhtml">\r\n \r\n<head> \r\n\r\n <link rel="canonical" rel="external nofollow" /> ...
三、方法2：使用add_header()添加報(bào)頭
除了上面的這種方法，還可以使用urllib.request.Request()下的add_header()實(shí)現(xiàn)瀏覽器的模擬。
先上代碼
import urllib.request
url = "http://blog.csdn.net/hurmishine/article/details/71708030"req = urllib.request.Request(url)
req.add_header('User-Agent','Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36')
data = urllib.request.urlopen(req).read()
print(data)
好，我們來(lái)分析一下。
導(dǎo)入包，定義url地址我們就不說(shuō)了，我們使用urllib.request.Request(url)創(chuàng)建一個(gè)Request對(duì)象，并賦值給變量req，創(chuàng)建Request對(duì)象的格式：urllib.request.Request(url地址)
隨后我們使用add_header()方法添加對(duì)應(yīng)的報(bào)頭信息，格式：Request(對(duì)象名).add_header(‘對(duì)象名'，'對(duì)象值')
現(xiàn)在我們已經(jīng)設(shè)置好了報(bào)頭，然后我們使用urlopen()打開(kāi)該Request對(duì)象即可打開(kāi)對(duì)應(yīng)的網(wǎng)址，多以我們使用
data = urllib.request.urlopen(req).read()打開(kāi)了對(duì)應(yīng)的網(wǎng)址，并讀取了網(wǎng)頁(yè)內(nèi)容，并賦值給data變量。
以上，我們使用了兩種方法實(shí)現(xiàn)了爬蟲(chóng)模擬瀏覽器打開(kāi)網(wǎng)址，并獲取網(wǎng)址的內(nèi)容信息，避免了403錯(cuò)誤。
值得我們注意的是，方法1中使用的是addheaders()方法，方法2中使用的是add_header()方法，注意末尾有無(wú)s以及有無(wú)下劃線(xiàn)的區(qū)別
更多關(guān)于Python相關(guān)內(nèi)容可查看本站專(zhuān)題：《Python Socket編程技巧總結(jié)》、《Python正則表達(dá)式用法總結(jié)》、《Python數(shù)據(jù)結(jié)構(gòu)與算法教程》、《Python函數(shù)使用技巧總結(jié)》、《Python字符串操作技巧匯總》、《Python入門(mén)與進(jìn)階經(jīng)典教程》及《Python文件與目錄操作技巧匯總》
希望本文所述對(duì)大家Python程序設(shè)計(jì)有所幫助。
相關(guān)文章
解決Jupyter notebook更換主題工具欄被隱藏及添加目錄生成插件問(wèn)題
這篇文章主要介紹了解決Jupyter notebook更換主題工具欄被隱藏及添加目錄生成插件問(wèn)題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-04-04
這篇文章主要介為大家紹了Sphinx生成python文檔示例圖文解析，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步早日升職加薪2022-04-04
Python編程O(píng)penCV和Numpy圖像處理庫(kù)實(shí)現(xiàn)圖片去水印
這篇文章主要介紹了Python編程中如何實(shí)現(xiàn)圖片去水印本文采用了OpenCV和Numpy的圖像處理的方法來(lái)實(shí)現(xiàn)，文中附含詳細(xì)示例代碼，有需要的朋友可以借鑒參考下2021-09-09
LRUCache的實(shí)現(xiàn)原理及利用python實(shí)現(xiàn)的方法
LruCache 是 Android 的一個(gè)內(nèi)部類(lèi)，提供了基于內(nèi)存實(shí)現(xiàn)的緩存，而下面這篇文章主要給大家介紹了關(guān)于LRUCache的實(shí)現(xiàn)原理以及利用python實(shí)現(xiàn)的方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，需要的朋友可以參考借鑒，下面來(lái)一起看看吧。2017-11-11
這篇文章主要介紹了opencv之為圖像添加邊界的方法示例，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-12-12
這篇文章主要介紹了Python中的日志模塊logging,包括Python下的日志級(jí)別以及模塊內(nèi)常用方法的使用,需要的朋友可以參考下2015-06-06
Django+uni-app實(shí)現(xiàn)數(shù)據(jù)通信中的請(qǐng)求跨域的示例代碼
這篇文章主要介紹了Django+uni-app實(shí)現(xiàn)數(shù)據(jù)通信中的請(qǐng)求跨域的示例代碼，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-10-10
Python實(shí)戰(zhàn)之實(shí)現(xiàn)百度智能圖片識(shí)別
這篇文章主要介紹了如何利用Python編寫(xiě)一個(gè)百度智能圖片識(shí)別項(xiàng)目，文中的示例代碼講解詳細(xì)，對(duì)我們學(xué)習(xí)Python有一定幫助，需要的可以參考一下2022-01-01
Matplotlib是Python中最受歡迎的數(shù)據(jù)可視化軟件包之一，它是 Python常用的2D繪圖庫(kù)，同時(shí)它也提供了一部分3D繪圖接口。本文將詳細(xì)介紹如何通過(guò)Matplotlib繪制多子圖，以及合并圖例和調(diào)整子圖間距，需要的可以參考一下2022-02-02
Python將Excel表格按某列拆分為多個(gè)sheet實(shí)現(xiàn)過(guò)程
這篇文章主要為大家介紹了Python實(shí)現(xiàn)將Excel表格按某列拆分為多個(gè)sheet，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2023-05-05