位置: 编程技术 - 正文
Python3网络爬虫之使用User Agent和代理IP隐藏身份(python网络爬虫程序)
编辑：rootadmin推荐整理分享Python3网络爬虫之使用User Agent和代理IP隐藏身份(python网络爬虫程序)，希望有所帮助，仅作参考，欢迎阅读内容。
文章相关热门搜索词:python网络爬虫视频教程,python3网络爬虫宝典,python 网络爬虫,python3网络爬虫宝典,Python3网络爬虫第二版pdf,python3网络爬虫宝典pdf下载,python3网络爬虫开发,Python3网络爬虫第二版,内容如对您有帮助，希望把文章链接给更多的朋友！
本文介绍了Python3网络爬虫之使用User Agent和代理IP隐藏身份，分享给大家，具体如下：
运行平台：Windows Python版本：Python3.x IDE：Sublime text3一、为何要设置User Agent
有一些网站不喜欢被爬虫程序访问，所以会检测连接对象，如果是爬虫程序，也就是非人点击访问，它就会不让你继续访问，所以为了要让程序可以正常运行，需要隐藏自己的爬虫程序的身份。此时，我们就可以通过设置User Agent的来达到隐藏身份的目的，User Agent的中文名为用户代理，简称UA。
User Agent存放于Headers中，服务器就是通过查看Headers中的User Agent来判断是谁在访问。在Python中，如果不设置User Agent，程序将使用默认的参数，那么这个User Agent就会有Python的字样，如果服务器检查User Agent，那么没有设置User Agent的Python程序将无法正常访问网站。
Python允许我们修改这个User Agent来模拟浏览器访问，它的强大毋庸置疑。
二、常见的User Agent
1.Android
Mozilla/5.0 (Linux; Android 4.1.1; Nexus 7 Build/JROD) AppleWebKit/. (KHTML, like Gecko) Chrome/.0.. Safari/. Mozilla/5.0 (Linux; U; Android 4.0.4; en-gb; GT-I Build/IMMD) AppleWebKit/. (KHTML, like Gecko) Version/4.0 Mobile Safari/. Mozilla/5.0 (Linux; U; Android 2.2; en-gb; GT-P Build/FROYO) AppleWebKit/.1 (KHTML, like Gecko) Version/4.0 Mobile Safari/.12.Firefox
Mozilla/5.0 (Windows NT 6.2; WOW; rv:.0) Gecko/ Firefox/.0 Mozilla/5.0 (Android; Mobile; rv:.0) Gecko/.0 Firefox/.03.Google Chrome
Mozilla/5.0 (Windows NT 6.2; WOW) AppleWebKit/. (KHTML, like Gecko) Chrome/.0.. Safari/. Mozilla/5.0 (Linux; Android 4.0.4; Galaxy Nexus Build/IMMB) AppleWebKit/. (KHTML, like Gecko) Chrome/.0.. Mobile Safari/.4.iOS
Mozilla/5.0 (iPad; CPU OS 5_0 like Mac OS X) AppleWebKit/. (KHTML, like Gecko) Version/5.1 Mobile/9A Safari/..3 Mozilla/5.0 (iPod; U; CPU like Mac OS X; en) AppleWebKit/.1 (KHTML, like Gecko) Version/3.0 Mobile/3Aa Safari/.3上面列举了Andriod、Firefox、Google Chrome、iOS的一些User Agent，直接copy就能用。
三、设置User Agent的方法
先看下urllib.request.Request()
从上图可以看出，在创建Request对象的时候，可以传入headers参数。
因此，想要设置User Agent，有两种方法：
1.在创建Request对象的时候，填入headers参数(包含User Agent信息)，这个Headers参数要求为字典；
2.在创建Request对象的时候不添加headers参数，在创建完成之后，使用add_header()的方法，添加headers。
方法一：
创建文件urllib_test.py，使用上面提到的Android的第一个User Agent，在创建Request对象的时候传入headers参数，编写代码如下：
运行结果如下：
方法二：
创建文件urllib_test.py，使用上面提到的Android的第一个User Agent，在创建Request对象时不传入headers参数，创建之后使用add_header()方法，添加headers，编写代码如下：
运行结果和上一个方法是一样的。
四、IP代理的使用
1.为何使用IP代理
User Agent已经设置好了，但是还应该考虑一个问题，程序的运行速度是很快的，如果我们利用一个爬虫程序在网站爬取东西，一个固定IP的访问频率就会很高，这不符合人为操作的标准，因为人操作不可能在几ms内，进行如此频繁的访问。所以一些网站会设置一个IP访问频率的阈值，如果一个IP访问频率超过这个阈值，说明这个不是人在访问，而是一个爬虫程序。
2.一般步骤说明
一个很简单的解决办法就是设置延时，但是这显然不符合爬虫快速爬取信息的目的，所以另一种更好的方法就是使用IP代理。使用代理的步骤：
(1)调用urlib.request.ProxyHandler()，proxies参数为一个字典。
(2)创建Opener(类似于urlopen，这个代开方式是我们自己定制的)
(3)安装Opener
使用install_opener方法之后，会将程序默认的urlopen方法替换掉。也就是说，如果使用install_opener之后，在该文件中，再次调用urlopen会使用自己创建好的opener。如果不想替换掉，只是想临时使用一下，可以使用opener.open(url)，这样就不会对程序默认的urlopen有影响。
3.代理IP选取
在写代码之前，先在代理IP网站选好一个IP地址，推荐西刺代理IP。
URL：
python数字图像处理之高级滤波代码详解 本文提供许多的滤波方法，这些方法放在filters.rank子模块内。这些方法需要用户自己设定滤波器的形状和大小，因此需要导入morphology模块来设定。1、aut
python学习笔记之列表(list)与元组(tuple)详解 前言最近重新再看python的基础知识，感觉自己还是对于这些知识很陌生，需要用的时候还是需要翻书查阅，还是先注重基础吧——我要重新把python的教
Python3 伪装浏览器的方法示例 一、伪装浏览器对于一些需要登录的网站，如果不是从浏览器发出的请求，则得不到响应。所以，我们需要将爬虫程序发出的请求伪装成浏览器正规军
标签: python网络爬虫程序
本文链接地址:https://www.jiuchutong.com/biancheng/375415.html 转载请保留说明！
