当前位置：首页 > 资讯 > 技术文档

python网络爬虫之如何伪装逃过反爬虫程序的方法

时间：2020-01-20 03:32 编辑：来源：阅读：
扫一扫，手机访问

摘要：python网络爬虫之如何伪装逃过反爬虫程序的方法

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素材网。

全部评论(0)

上一篇：深入理解Python分布式爬虫原理
下一篇：python中input()与raw_input()的区别分析

资讯排行榜
更多>>