User-Agent爬虫伪装

概念

User-Agent 即用户代理，简称“UA”，它是一个特殊字符串头。网站服务器通过识别 “UA”来确定用户所使用的操作系统版本、CPU 类型、浏览器版本等信息。而网站服务器则通过判断 UA 来给客户端发送不同的页面。

绝大多数网站都具备一定的反爬能力，禁止网爬虫大量地访问网站，反爬虫。

网站通过识别请求头中 User-Agent 信息来判断是否是爬虫访问网站。如果是，网站首先对该 IP 进行预警，对其进行重点监控，当发现该 IP 超过规定时间内的访问次数， 将在一段时间内禁止其再次访问网站。

常见UserAgent

系统	浏览器	User-Agent字符串
Mac	Chrome	Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.75 Safari/537.36
Mac	Firefox	Mozilla/5.0 (Macintosh; Intel Mac OS X 10.12; rv:65.0) Gecko/20100101 Firefox/65.0
Mac	Safari	Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_6) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/12.0.3 Safari/605.1.15
Windows	Edge	Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.140 Safari/537.36 Edge/18.17763
Windows	IE	Mozilla/5.0 (Windows NT 10.0; WOW64; Trident/7.0; rv:11.0) like Gecko
Windows	Chrome	Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.121 Safari/537.36
iOS	Chrome	Mozilla/5.0 (iPhone; CPU iPhone OS 7_0_4 like Mac OS X) AppleWebKit/537.51.1 (KHTML, like Gecko) CriOS/31.0.1650.18 Mobile/11B554a Safari/8536.25
iOS	Safari	Mozilla/5.0 (iPhone; CPU iPhone OS 8_3 like Mac OS X) AppleWebKit/600.1.4 (KHTML, like Gecko) Version/8.0 Mobile/12F70 Safari/600.1.4
Android	Chrome	Mozilla/5.0 (Linux; Android 4.2.1; M040 Build/JOP40D) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/31.0.1650.59 Mobile Safari/537.36
Android	Webkit	Mozilla/5.0 (Linux; U; Android 4.4.4; zh-cn; M351 Build/KTU84P) AppleWebKit/534.30 (KHTML, like Gecko) Version/4.0 Mobile Safari/534.30

如何在爬虫中查看自己的User-Agent？

r.request.headers

如何伪装成正常的浏览器？

1、先去浏览器中，复制出正常的User-Agent，（右键-检查-网络-请求头-user-agent）

2、编写一个字典，把上面得到的ua，存入

hd = {"User-Agent":"复制过来的真实UA"}

3、伪装自己是一个正常的浏览器

r2 = requests.get(url, headers=hd)

自己编写构造User-Agent池伪装

ua_list = ['ua1', 'ua2',  'ua3']

每次随机选择一个作为user-agent

使用第三方库来伪装UA。

fake-useragent库是一个专门用于生成伪装身份的Python库，可以让我们在网络爬虫、自动化测试等场景中轻松绕过一些反爬机制。它主要有以下特点：

1. 使用简单：只需要简单地调用一个函数，就可以轻松地生成各种浏览器的User-Agent。
2. 数据丰富：包含了大量现代浏览器、操作系统等的User-Agent数据。
3. 自动更新：可以根据需要自动更新User-Agent数据，保持数据的新鲜度。

pip install fake-useragent

from fake_useragent import UserAgent

ua = UserAgent()

# 随机生成一个User-Agent
random_user_agent = ua.random
print(random_user_agent)

# 生成Chrome浏览器的User-Agent
chrome_user_agent = ua.chrome
print(chrome_user_agent)

# 生成Firefox浏览器的User-Agent
firefox_user_agent = ua.firefox
print(firefox_user_agent)