Python3爬虫学习之应对网站反爬虫机制的方法分析 - 行业资讯

本文实例讲述了Python3爬虫学习之应对网站反爬虫机制的方法。分享给大家供大家参考,具体如下:

<>强如何应对网站的反爬虫机制

在访问某些网站的时候,网站通常会用判断访问是否带有头文件来鉴别该访问是否为爬虫,用来作为反爬取的一种策略。

例如打开搜狐首页,先来看一下Chrome的头信息(F12打开开发者模式)如下:

如图,访问头信息中显示了浏览器以及系统的信息(标题所含信息众多,具体可自行查询)

Python中urllib中请求的模块提供了模拟浏览器访问的功能,代码如下:

　　　　　　从urllib导入请求　　url=' http://www.baidu.com ' 　　#页面=request.Request (url) 　　#页面。add_header(“用户代理”、“Mozilla/5.0 (Windows NT 10.0;Win64;AppleWebKit x64)/537.36 (KHTML,像壁虎)Chrome/55.0.2883.87 Safari/537.36”) 　　头={“用户代理”:“Mozilla/5.0 (Windows NT 10.0;Win64;x64) AppleWebKit/537.36 (KHTML,像壁虎)Chrome/55.0.2883.87 Safari/537.36 '} 　　请求页面=Ｇ肭?url,标题=标题) 　　page_info=request.urlopen(页面).read () .decode (“utf - 8”) 　　打印(page_info) 　　　　之前　　　　

可以通过<代码> add_header(键值)> 　　　　　　urllib.request.Request () 　　urllib.request。请求(url, data=https://www.yisu.com/zixun/None,标题={},origin_req_host=None,无法核实的=False,方法=没有) 　　　　之前　　　　

其中头是一个字典,通过这种方式可以将爬虫模拟成浏览器对网站进行访问。
　　请求https://docs.python.org/3/library/urllib.request.html& # 63;突出=# module-urllib.request

更多关于Python相关内容可查看本站专题:《Python套接字编程技巧总结》,《巨蟒正则表达式用法总结》,《Python数据结构与算法教程》、《Python函数使用技巧总结》,《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

希望本文所述对大家Python程序设计有所帮助。