python爬虫学4_ユーザーログインとプロキシ設定のシミュレーション
3152 ワード
python爬虫学4_ユーザーログインとプロキシ設定のシミュレーション
ユーザーログインのシミュレーション
ユーザーのログインをできるだけ真似するためには、headにUserエージェントを設定する必要があります.
一般的なUser Agent
Android
Mozilla/5.0 (Linux; Android 4.1.1; Nexus 7 Build/JRO03D) AppleWebKit/535.19 (KHTML, like Gecko) Chrome/18.0.1025.166 Safari/535.19
Mozilla/5.0 (Linux; U; Android 4.0.4; en-gb; GT-I9300 Build/IMM76D) AppleWebKit/534.30 (KHTML, like Gecko) Version/4.0 Mobile Safari/534.30
Mozilla/5.0 (Linux; U; Android 2.2; en-gb; GT-P1000 Build/FROYO) AppleWebKit/533.1 (KHTML, like Gecko) Version/4.0 Mobile Safari/533.1
Firefox
Mozilla/5.0 (Windows NT 6.2; WOW64; rv:21.0) Gecko/20100101 Firefox/21.0
Mozilla/5.0 (Android; Mobile; rv:14.0) Gecko/14.0 Firefox/14.0
Google Chrome
Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/27.0.1453.94 Safari/537.36
Mozilla/5.0 (Linux; Android 4.0.4; Galaxy Nexus Build/IMM76B) AppleWebKit/535.19 (KHTML, like Gecko) Chrome/18.0.1025.133 Mobile Safari/535.19
iOS
Mozilla/5.0 (iPad; CPU OS 5_0 like Mac OS X) AppleWebKit/534.46 (KHTML, like Gecko) Version/5.1 Mobile/9A334 Safari/7534.48.3
Mozilla/5.0(iPod;U;CPU like Mac OS X;en)AppleWebKit/42.1(KHTML、like Gecko)Version/3.0 Mobile/31 a Safari/419.3 Andriod、Firefox、Google Chrome、iOSの一部のUser Agentを挙げ、直接copyで使用できます.
私たちは爬虫プログラムを利用してウェブサイトで物を這い出すと、固定IPのアクセス頻度が高くなり、これは人為的な操作の基準に合わない.一般ユーザーのように這い出すために、エージェントipを選択しました.
エージェント使用手順: urlibを呼び出す.request.ProxyHandler()は、proxiesパラメータが辞書です. 作成Opener(urlopenのように、この世代は私たちがカスタマイズしたものです) Opener をインストールする
install_の使用Openerメソッドの後、プログラムのデフォルトのurlopenメソッドを置き換え、自分で作成したopenerを使用します.
(一般的なエージェントWebサイト:http://www.xicidaili.com/)
ユーザーログインのシミュレーション
ユーザーのログインをできるだけ真似するためには、headにUserエージェントを設定する必要があります.
一般的なUser Agent
Android
Mozilla/5.0 (Linux; Android 4.1.1; Nexus 7 Build/JRO03D) AppleWebKit/535.19 (KHTML, like Gecko) Chrome/18.0.1025.166 Safari/535.19
Mozilla/5.0 (Linux; U; Android 4.0.4; en-gb; GT-I9300 Build/IMM76D) AppleWebKit/534.30 (KHTML, like Gecko) Version/4.0 Mobile Safari/534.30
Mozilla/5.0 (Linux; U; Android 2.2; en-gb; GT-P1000 Build/FROYO) AppleWebKit/533.1 (KHTML, like Gecko) Version/4.0 Mobile Safari/533.1
Firefox
Mozilla/5.0 (Windows NT 6.2; WOW64; rv:21.0) Gecko/20100101 Firefox/21.0
Mozilla/5.0 (Android; Mobile; rv:14.0) Gecko/14.0 Firefox/14.0
Google Chrome
Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/27.0.1453.94 Safari/537.36
Mozilla/5.0 (Linux; Android 4.0.4; Galaxy Nexus Build/IMM76B) AppleWebKit/535.19 (KHTML, like Gecko) Chrome/18.0.1025.133 Mobile Safari/535.19
iOS
Mozilla/5.0 (iPad; CPU OS 5_0 like Mac OS X) AppleWebKit/534.46 (KHTML, like Gecko) Version/5.1 Mobile/9A334 Safari/7534.48.3
Mozilla/5.0(iPod;U;CPU like Mac OS X;en)AppleWebKit/42.1(KHTML、like Gecko)Version/3.0 Mobile/31 a Safari/419.3 Andriod、Firefox、Google Chrome、iOSの一部のUser Agentを挙げ、直接copyで使用できます.
# -*- coding: UTF-8 -*-
from urllib import request
if __name__ == "__main__":
# CSDN ,CSDN User Agent
url = 'http://www.csdn.net/'
head = {}
# User Agent
head['User-Agent'] = 'Mozilla/5.0 (Linux; Android 4.1.1; Nexus 7 Build/JRO03D) AppleWebKit/535.19 (KHTML, like Gecko) Chrome/18.0.1025.166 Safari/535.19'
# Request
req = request.Request(url, headers=head)
# Request
response = request.urlopen(req)
#
html = response.read().decode('utf-8')
#
print(html)
IPエージェントの使用私たちは爬虫プログラムを利用してウェブサイトで物を這い出すと、固定IPのアクセス頻度が高くなり、これは人為的な操作の基準に合わない.一般ユーザーのように這い出すために、エージェントipを選択しました.
エージェント使用手順:
install_の使用Openerメソッドの後、プログラムのデフォルトのurlopenメソッドを置き換え、自分で作成したopenerを使用します.
(一般的なエージェントWebサイト:http://www.xicidaili.com/)
# -*- coding: UTF-8 -*-
from urllib import request
from urllib import error
if __name__ == "__main__":
#
url = 'http://www.ip111.cn'
# IP
proxy = {'http': '122.235.168.162:8118'}
# ProxyHandler
proxy_support = request.ProxyHandler(proxy)
# Opener
opener = request.build_opener(proxy_support)
# User Angent
opener.addheaders = [(
'User-Agent',
'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36')]
# OPener
request.install_opener(opener)
# Opener
response = request.urlopen(url)
#
html = response.read().decode("utf-8")
#
print(html)