UA检测与UA伪装
UA-> User-Agent (请求载体的身份标识)
UA检测:门户网站的服务器会检测对应请求的载体身份标识。如果检测到请求的载体身份标识为某一款浏览器,说明该请求是一个正常的请求;但是如果检测到请求的载体身份标识不是基于某一款浏览器的,则表示该请求为不正常的请求(爬虫),则服务端就很有可能拒绝该次请求。
UA伪装:让爬虫对应的请求载体身份标识伪装成某一款浏览器
巩固案例一:
爬取搜狗指定词条的对应搜索结果页面(简易的网页采集器)
要实现的操作有UA伪装和动态处理词条
实现源码:
import requests #导包操作
if __name__ == "__main__":
#UA伪装
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.114 Safari/537.36 Edg/89.0.774.68'
}
url = 'https://www.sogou.com/web' #指定url
#要把词条改成动态的,就要处理url所携带的参数:封装到字典中
kw = input('enter a key word:')
param = {
'query':kw
}
#对指定url发起的请求是携带参数的,并且请求过程中已经处理了参数
responce =requests.get(url=url,params=param,headers=headers)
#获取相应数据
page_text = responce.text
fileName = kw+'.html'
with open(fileName, 'w', encoding='utf-8') as fp:
fp.write(page_text)
print(fileName, '保存成功')