Question

如何在urllib2.urlopen上使用默认用户代理下载网页？

Answer 1

几个星期前，我answered一个similar question。

该问题中有示例代码，但基本上您可以执行以下操作:(注意User-Agent自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')

Answer 2

headers = { 'User-Agent' : 'Mozilla/5.0' }
req = urllib2.Request('www.example.com', None, headers)
html = urllib2.urlopen(req).read()

或者，有点短：

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

Answer 3

每个人最喜欢的Setting the User-Agent

Dive Into Python。

短篇小说：您可以使用Request.add_header来执行此操作。

您还可以在创建请求本身时将标题作为字典传递，as the docs note：

headers 应该是一个字典，并且将被视为使用每个键和值作为参数调用add_header()。这通常用于“欺骗”User-Agent标头，浏览器使用该标头来标识自身 - 某些HTTP服务器仅允许来自常见浏览器而非脚本的请求。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为"Python-urllib/2.6"（在Python 2.6上）。

Answer 4

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)

Answer 5

所有这些都应该在理论上有效，但（至少在Windows上使用Python 2.7.2）每次发送自定义User-agent标头时，urllib2都不会发送该标头。如果您不尝试发送User-agent标头，则会发送默认的Python / urllib2

这些方法似乎都不适用于添加User-agent，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')

Answer 6

对于urllib，您可以使用：

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')

Answer 7

urllib2和Python 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)

Answer 8

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

Answer 9

urllib.URLopener()有两个属性，即：
addheaders = [('User-Agent', 'Python-urllib/1.17'), ('Accept', '*/*')]和
version = 'Python-urllib/1.17'。
要欺骗网站，您需要将这两个值更改为已接受的用户代理。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'
谷歌机器人：'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>)

仅更改一个属性不起作用，因为该网站将其标记为可疑请求。

在urllib2.urlopen上更改用户代理

9 个答案: