python爬蟲學習4_模擬使用者登入和代理設定
python爬蟲學習4_模擬使用者登入和代理設定
模擬使用者登入
為了儘量模仿使用者登入，我們需要在head中設定 User Agent
常見的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/420.1 (KHTML, like Gecko) Version/3.0 Mobile/3A101a Safari/419.3 上面列舉了Andriod、Firefox、Google Chrome、iOS的一些User Agent，直接copy就能用。
# -*- coding: UTF-8 -*-
from urllib import request
if __name__ == "__main__":
#以CSDN為例，CSDN不更改User Agent是無法訪問的
url = 'http://www.csdn.net/'
head = {}
#寫入User Agent資訊
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'
#建立Request物件
req = request.Request(url, headers=head)
#傳入建立好的Request物件
response = request.urlopen(req)
#讀取響應資訊並解碼
html = response.read().decode('utf-8')
#列印資訊
print(html)
IP代理的使用
我們利用一個爬蟲程式在網站爬取東西，一個固定IP的訪問頻率就會很高，這不符合人為操作的標準。為了能更像普通使用者爬取，我們選擇用代理ip。
代理使用步驟：
-
呼叫urlib.request.ProxyHandler()，proxies引數為一個字典。
-
建立Opener(類似於urlopen，這個代開方式是我們自己定製的)
-
安裝Opener
使用install_opener方法之後，會將程式預設的urlopen方法替換掉,去使用自己建立好的opener。
（常用的代理網站：http://www.xicidaili.com/）
# -*- coding: UTF-8 -*-
from urllib import request
from urllib import error
if __name__ == "__main__":
# 訪問網址
url = 'http://www.ip111.cn'
# 這是代理IP
proxy = {'http': '122.235.168.162:8118'}
# 建立ProxyHandler
proxy_support = request.ProxyHandler(proxy)
# 建立Opener
opener = request.build_opener(proxy_support)
# 新增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')]
# 安裝OPener
request.install_opener(opener)
# 使用自己安裝好的Opener
response = request.urlopen(url)
# 讀取相應資訊並解碼
html = response.read().decode("utf-8")
# 列印資訊
print(html)