it-swarm.com.de

Benutzerprogramm in urllib2.urlopen ändern

Wie kann ich eine Webseite mit einem anderen als dem Standardbenutzerprogramm auf urllib2.urlopen herunterladen?

96
das

ser-Agent einstellen von jedermanns Favoriten In Python eintauchen .

Die Kurzgeschichte: Sie können Request.add_header verwenden, um dies zu tun.

Sie können die Header auch als Wörterbuch übergeben, wenn Sie die Anforderung selbst erstellen. wie in der Dokumentation angegeben :

Header sollten ein Wörterbuch sein und werden so behandelt, als ob add_header() mit jedem Schlüssel und Wert als Argumente aufgerufen wurde. Dies wird häufig verwendet, um den User-Agent - Header zu "fälschen", der von einem Browser verwendet wird, um sich selbst zu identifizieren. Einige HTTP-Server lassen nur Anforderungen von gängigen Browsern zu, nicht von Skripten. Mozilla Firefox kann sich beispielsweise als "Mozilla/5.0 (X11; U; Linux i686) Gecko/20071127 Firefox/2.0.0.11" identifizieren, während urllib2 Die Standardzeichenfolge für den Benutzeragenten ist "Python-urllib/2.6" (On Python 2.6 ).

58

Ich beantwortet eine ähnliche Frage vor ein paar Wochen.

Diese Frage enthält Beispielcode, aber im Grunde können Sie so etwas tun: (Beachten Sie die Großschreibung von User-Agent ab RFC 2616 , Abschnitt 14.43.)

opener = urllib2.build_opener()
opener.addheaders = [('User-Agent', 'Mozilla/5.0')]
response = opener.open('http://www.stackoverflow.com')
115
Jason Coon
headers = { 'User-Agent' : 'Mozilla/5.0' }
req = urllib2.Request('www.example.com', None, headers)
html = urllib2.urlopen(req).read()

Oder etwas kürzer:

req = urllib2.Request('www.example.com', headers={ 'User-Agent': 'Mozilla/5.0' })
html = urllib2.urlopen(req).read()
99
Paolo

Für python 3 ist urllib in 3 Module aufgeteilt ...

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)
13
Jay Dave

All dies sollte theoretisch funktionieren, aber (mindestens mit Python 2.7.2 unter Windows), wenn Sie einen benutzerdefinierten User-Agent-Header senden, sendet urllib2 diesen Header nicht Es wird nicht versucht, einen User-Agent-Header zu senden, sondern der Standardwert Python/urllib2

Keine dieser Methoden scheint zum Hinzufügen eines Benutzeragenten zu funktionieren, sie funktionieren jedoch für andere Header:

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')
9
fijiaaron

Für urllib können Sie verwenden:

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')
6
Pedro Lobito

Eine andere Lösung in urllib2 und Python 2.7:

req = urllib2.Request('http://www.example.com/')
req.add_unredirected_header('User-Agent', 'Custom User-Agent')
urllib2.urlopen(req)
5
OH2GBA

es gibt zwei Eigenschaften von urllib.URLopener(), nämlich:
addheaders = [('User-Agent', 'Python-urllib/1.17'), ('Accept', '*/*')] und
version = 'Python-urllib/1.17'.
Um die Website zu täuschen, müssen Sie beide Werte in einen akzeptierten User-Agent ändern. für z.
Chrome-Browser: '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'
so was

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>)

nur eine Eigenschaft zu ändern, funktioniert nicht, da die Website sie als verdächtige Anforderung markiert.

2
twitu

Versuche dies :

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
2
akash karothiya