python网络爬虫之如何伪装逃过反爬虫程序的方法
发布时间：2020-12-17 07:50:20 所属栏目：Python 来源：网络整理
导读：有的时候，我们本来写得好好的爬虫代码，之前还运行得Ok,一下子突然报错了。 报错信息如下： Http 800 Internal internet error 这是因为你的对象网站设置了反爬虫程序，如果用现有的爬虫代码，会被拒绝。 之前正常的爬虫代码如下： from urllib.request imp
|
有的时候，我们本来写得好好的爬虫代码，之前还运行得Ok,一下子突然报错了。 报错信息如下： Http 800 Internal internet error 这是因为你的对象网站设置了反爬虫程序，如果用现有的爬虫代码，会被拒绝。 之前正常的爬虫代码如下： from urllib.request import urlopen ... html = urlopen(scrapeUrl) bsObj = BeautifulSoup(html.read(),"html.parser") 这个时候，需要我们给我们的爬虫代码做下伪装， 给它添加表头伪装成是来自浏览器的请求 修改后的代码如下：
import urllib.parse
import urllib.request
from bs4 import BeautifulSoup
...
req = urllib.request.Request(scrapeUrl)
req.add_header('User-Agent','Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)')
response = urllib.request.urlopen(req)
html = response.read()
bsObj = BeautifulSoup(html,"html.parser")
Ok,一切搞定，又可以继续爬了。 以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持编程小技巧。 （编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |