在urllib2.urlopen上更改用户代理

Question

如何使用urllib2.urlopen上默认用户代理以外的用户代理下载网页？

Answer 1

几周前我回答了类似的问题.

存在这样的问题示例代码,但基本上你可以做这样的事情:(注:资本User-Agent为RFC 2616,部分14.43)

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

Answer 2

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

或者,更短一些:

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

Answer 3

从每个人最喜欢的Dive Into Python中设置User-Agent.

短篇小说: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,如文档所示:

标题应该是字典,并且将被视为add_header()使用每个键和值作为参数调用.这通常用于"欺骗" User-Agent标头,浏览器使用标头来标识自身 - 某些HTTP服务器仅允许来自常见浏览器而非脚本的请求.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默认的用户代理字符串是"Python-urllib/2.6"(在Python 2.6上).

Answer 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)

Answer 5

所有这些都应该在理论上起作用,但是(至少在Windows上使用Python 2.7.2)每次发送自定义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,它将发送默认的Python/urllib2

这些方法似乎都不适用于添加User-agent,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')

Answer 6

对于urllib您可以使用:

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')

Answer 7

urllib2Python 2.7中的另一个解决方案:

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