UA爬虫

# -*- coding: utf-8 -*-

import requests
import pandas as pd
from urllib import parse
from lxml import etree

url = 'http://useragentstring.com/pages/useragentstring.php?name=All'

header = {
        'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
        'User-Agent': 'Mozilla/5.0 (compatible; ABrowse 0.4; Syllable)'
    }



def ua(url, name):
	print(url, name)
	response = requests.get(url,
                        headers=header,
                        timeout=60
                        )

	tree = etree.HTML(response.text)
	browsers = tree.xpath('//ul/li/a/text()')
	browsers = [browser for browser in browsers if len(browser)>20]

	df = pd.DataFrame({'id':range(1,len(browsers)+1), 'ua':browsers})

	df.to_csv('user_agents_' + name + '.csv', index=False)

	hrefs = tree.xpath(u"//a")
	for href in hrefs:
		link = href.attrib.get('href')
		if link and '/pages/useragentstring.php?' in link :
			params = parse.parse_qs( parse.urlparse('http://useragentstring.com' + link ).query )
			if params.get('name'):
				if params.get('version'):
					ua('http://useragentstring.com' + link, params.get('name')[0] + params.get('version')[0])
				elif params.get('vers'):
					ua('http://useragentstring.com' + link, params.get('name')[0] + params.get('vers')[0])
				else:
					ua('http://useragentstring.com' + link, params.get('name')[0])
			else:
				ua('http://useragentstring.com' + link, params.get('typ')[0])

ua(url, 'all')
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值