web-dev-qa-db-fra.com

Modification de l'agent utilisateur sur urllib2.urlopen

Comment puis-je télécharger une page Web avec un agent utilisateur autre que celui par défaut sur urllib2.urlopen?

pythonurllib2user-agent
96
das

Définition de l'agent utilisateur parmi les favoris de tous Plonger dans Python .

La nouvelle: Vous pouvez utiliser Request.add_header pour le faire.

Vous pouvez également passer les en-têtes en tant que dictionnaire lors de la création de la demande elle-même, comme note de documentation :

Les en-têtes doivent être un dictionnaire et seront traités comme si add_header() était appelée avec chaque clé et valeur comme argument. Ceci est souvent utilisé pour "usurper" l'en-tête User-Agent, Utilisé par un navigateur pour s'identifier - certains serveurs HTTP n'autorisent que les requêtes provenant de navigateurs courants, par opposition aux scripts. Par exemple, Mozilla Firefox peut s’identifier en tant que "Mozilla/5.0 (X11; U; Linux i686) Gecko/20071127 Firefox/2.0.0.11", alors que la chaîne de l’agent utilisateur par défaut de urllib2 Est "Python-urllib/2.6" (On Python 2.6 ).

58
Paolo Bergantino

Je répond a question similaire il y a quelques semaines.

Il y a un exemple de code dans cette question, mais vous pouvez faire quelque chose comme ceci: (notez la capitalisation de User-Agent à partir de RFC 2616 , section 14.43.)

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()

Ou un peu plus court:

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

Pour python 3, urllib est divisé en 3 modules ...

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

Tous ceux-ci devraient fonctionner en théorie, mais (avec Python 2.7.2 sous Windows au moins)) chaque fois que vous envoyez un en-tête User-agent personnalisé, urllib2 n'envoie pas cet en-tête. N'essayez pas d'envoyer un en-tête User-agent, il envoie la valeur par défaut Python/urllib2

Aucune de ces méthodes ne semble fonctionner pour ajouter User-agent, mais elles fonctionnent pour d'autres en-têtes:

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

Pour urllib, vous pouvez utiliser:

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

Une autre solution dans urllib2 et Python 2.7:

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

il y a deux propriétés de urllib.URLopener() à savoir:
addheaders = [('User-Agent', 'Python-urllib/1.17'), ('Accept', '*/*')] et
version = 'Python-urllib/1.17'.
Pour tromper le site Web, vous devez modifier ces deux valeurs en un User-Agent accepté. par exemple.
Navigateur Chrome: 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/33.0.1750.149 Safari/537.36'
Google bot: 'Googlebot/2.1'
comme ça

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>)

la modification d'une seule propriété ne fonctionne pas car le site Web le marque comme une demande suspecte.

2
twitu

Essaye ça :

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