04.url传参

<REAL>和光同尘

已于 2023-04-25 13:23:08 修改

阅读量289

点赞数

分类专栏： Python学习 # 爬虫文章标签： python 爬虫服务器

于 2023-03-10 20:12:56 首次发布

本文链接：https://blog.csdn.net/uuuuty/article/details/129451578

版权

Python学习同时被 2 个专栏收录

4 篇文章 0 订阅

订阅专栏

爬虫

4 篇文章 0 订阅

订阅专栏

文章介绍了在进行频繁访问服务器时，如何通过改变User-Agent来防止被识别为爬虫。方法一是建立User-Agent池，每次请求随机选取一个User-Agent；方法三是使用第三方库fake_useragent，它能自动生成随机的User-Agent字符串。这样可以增加请求的多样性，降低被服务器标记为异常的风险。

摘要由CSDN通过智能技术生成

4.1 url传参的目的

需要短时间内连续访问同一个服务器很多次这样一个需求
headers_ = {“User-Agent”:“Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.64 Safari/537.36”}
在服务器端会有记录
同一个User-Agent 3s 上百次非正常用户行为以此来判断你是一个爬虫程序

4.2 方法一：User-Agent 池

可以理解成是一个列表很多的Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.64 Safari/537.36
100次请求
每一次请求，都从User-Agent池里面随机拿一个身份张三李四五二赵六

import requests
# 简单演示如何使用
import random
# 1.使用列表，里面存放很多的User-Agent的值
user_agent_list = [
    'User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11',
    'User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.12',
    'User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.13',
    'User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.14',
    'User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.15',
]

# 获取一个随机整数，作为列表的索引值
num = random.randint(0,4)    # 前后都包，0和4都有可能取到

# 打印获取到的索引
# print(num)
#
# 打印随机 选取的user-agent
# print(user_agent_list[num])
# print('*'*80)
# if __name__ == '__main__':
#     url_ = 'https://www.baidu.com'
#
#     headers_ = {
#         'User-Agent':user_agent_list[num]
#     }
#
#     # 每次请求，都携带上随机的User-Agent
#     response_ = requests.get(url_,headers=headers_)
#
#     # 打印百度服务器端检测到我们用的用户代理身份
#     print(response_.request.headers)
#

4.3 方法三：使用第三方库fake_useragent

pip install fake-useragent -i https://pypi.doubanio.com/simple

from fake_useragent import FakeUserAgent
import requests
user_agent_demo = FakeUserAgent().random   # 这个random不需要导入

print(user_agent_demo)
print('*'*80)

if __name__ == '__main__':
    url_ = 'https://www.baidu.com'

    headers_ = {
        'User-Agent':user_agent_demo
    }

    # 每次请求，都携带上随机的User-Agent
    response_ = requests.get(url_,headers=headers_)

    # 打印百度服务器端检测到我们用的用户代理身份
    print(response_.request.headers)

若调用失败：

终极方法:
ctrl点击FakeUserAgent进入源码 > ctrl点击settings进入源码 > 第16 CACHE_SERVER 这里有一个https，把s去掉
如果有弹窗，点击OK > 再把s去掉:CACHE_SERVER = ‘http://fake-useragent.herokuapp.com/browsers/{version}’
多运行几遍