webdevqa.jp.net

urllib2.urlopenのユーザーエージェントを変更する

Urllib2.urlopenのデフォルト以外のユーザーエージェントを使用してWebページをダウンロードするにはどうすればよいですか?

96
das

ser-Agentの設定 みんなのお気に入りから Dive Into Python

短い話: Request.add_header を使用してこれを行うことができます。

リクエスト自体を作成するときに、ヘッダーを辞書として渡すこともできます ドキュメントノートとして

headersは辞書である必要があり、各キーと値を引数としてadd_header()が呼び出されたかのように扱われます。これは、ブラウザが自身を識別するために使用するUser-Agentヘッダーの「なりすまし」によく使用されます。一部のHTTPサーバーは、スクリプトではなく一般的なブラウザからのリクエストのみを許可します。たとえば、Mozilla Firefoxは自分自身を"Mozilla/5.0 (X11; U; Linux i686) Gecko/20071127 Firefox/2.0.0.11"と識別し、urllib2 ’のデフォルトのユーザーエージェント文字列は"Python-urllib/2.6"(Python 2.6上)です。

58

I 回答済み a 類似の質問 数週間前。

その質問にはサンプルコードがありますが、基本的には次のようなことができます( RFC 2616 、セクション14.43のUser-Agentの大文字表記に注意してください)。

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()

または、少し短くなります:

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

python 3の場合、urllibは3つのモジュールに分割されます...

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

これらはすべて理論上は機能するはずですが、(少なくともWindowsではPython 2.7.2で)カスタムUser-agentヘッダーを送信するたびに、urllib2はそのヘッダーを送信しません。 User-agentヘッダーを送信しようとしない場合、デフォルトのPython/urllib2を送信します

これらのメソッドはいずれもUser-agentの追加では機能しないようですが、他のヘッダーでは機能します。

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

urllibには次を使用できます。

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

urllib2およびPython 2.7の別のソリューション:

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

urllib.URLopener()には次の2つのプロパティがあります。
addheaders = [('User-Agent', 'Python-urllib/1.17'), ('Accept', '*/*')]および
version = 'Python-urllib/1.17'
ウェブサイトをだますためには、これらの値の両方を受け入れられたUser-Agentに変更する必要があります。例えば.
Chromeブラウザ:'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/33.0.1750.149 Safari/537.36'
Googleボット:'Googlebot/2.1'
このような

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>)

webサイトが疑わしいリクエストとしてマークするため、1つのプロパティのみを変更しても機能しません。

2
twitu

これを試して :

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