更改 urllib2.urlopen 上的用户代理

问题描述：

如何使用默认用户代理以外的用户代理下载网页urllib2.urlopen？

urllib2.urlopen在 Python 3.x 中不可用；3.x 等效于urllib.request.urlopen。请参阅在 Python 3 中更改用户代理，了解 urrlib.request.urlopen使用标准库 HTTP 工具在 3.x 中设置用户代理。

解决方案 1：

几周前我回答过类似的问题。

该问题中有示例代码，但基本上您可以执行如下操作：（请注意RFC 2616User-Agent第 14.43 节中的大写字母。）

opener = urllib2.build_opener()
opener.addheaders = [('User-Agent', 'Mozilla/5.0')]
response = opener.open('http://www.stackoverflow.com')

解决方案 2：

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

或者，简短一点：

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

解决方案 3：

从大家最喜欢的Dive Into Python 中设置 User-Agent。

简而言之：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，如文档所述：

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己 - 一些 HTTP 服务器只允许来自普通浏览器而不是脚本的请求。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）。

解决方案 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)

解决方案 5：

理论上，所有这些应该都可行，但（至少在 Windows 上使用 Python 2.7.2）每次您发送自定义 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，它会发送默认的 Python / urllib2

这些方法似乎都不适用于添加用户代理，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')

解决方案 6：

您urllib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')

解决方案 7：

urllib2Python 2.7中的另一种解决方案：

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

解决方案 8：

有两个属性，urllib.URLopener()即：

addheaders = [('User-Agent', 'Python-urllib/1.17'), ('Accept', '*/*')]和

version = 'Python-urllib/1.17'。

要欺骗网站，您需要将这两个值都更改为可接受的 User-Agent。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'

Google 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>)

仅更改一个属性是行不通的，因为网站会将其标记为可疑请求。

解决方案 9：

尝试一下：

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