成人国产在线小视频_日韩寡妇人妻调教在线播放_色成人www永久在线观看_2018国产精品久久_亚洲欧美高清在线30p_亚洲少妇综合一区_黄色在线播放国产_亚洲另类技巧小说校园_国产主播xx日韩_a级毛片在线免费

資訊專(zhuān)欄INFORMATION COLUMN

7、web爬蟲(chóng)講解2—urllib庫(kù)爬蟲(chóng)—狀態(tài)嗎—異常處理—瀏覽器偽裝技術(shù)、設(shè)置用戶(hù)代理

megatron / 2747人閱讀

摘要:百度云搜索搜網(wǎng)盤(pán)如果爬蟲(chóng)沒(méi)有異常處理,那么爬行中一旦出現(xiàn)錯(cuò)誤,程序?qū)⒈罎⑼V构ぷ?,有異常處理即使出現(xiàn)錯(cuò)誤也能繼續(xù)執(zhí)行下去常見(jiàn)狀態(tài)碼重定向到新的,永久性重定向到臨時(shí),非永久性請(qǐng)求的資源未更新非法請(qǐng)求請(qǐng)求未經(jīng)授權(quán)禁止訪問(wèn)沒(méi)找到對(duì)應(yīng)頁(yè)面服務(wù)器內(nèi)部

【百度云搜索:http://www.lqkweb.com】 【搜網(wǎng)盤(pán):http://www.swpan.cn】

如果爬蟲(chóng)沒(méi)有異常處理,那么爬行中一旦出現(xiàn)錯(cuò)誤,程序?qū)⒈罎⑼V构ぷ鳎挟惓L幚砑词钩霈F(xiàn)錯(cuò)誤也能繼續(xù)執(zhí)行下去

1.常見(jiàn)狀態(tài)碼

301:重定向到新的URL,永久性
302:重定向到臨時(shí)URL,非永久性
304:請(qǐng)求的資源未更新
400:非法請(qǐng)求
401:請(qǐng)求未經(jīng)授權(quán)
403:禁止訪問(wèn)
404:沒(méi)找到對(duì)應(yīng)頁(yè)面
500:服務(wù)器內(nèi)部出現(xiàn)錯(cuò)誤
501:服務(wù)器不支持實(shí)現(xiàn)請(qǐng)求所需要的功能

2.異常處理

URLError捕獲異常信息

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import urllib.request
import urllib.error

try:                                    #嘗試執(zhí)行里面的內(nèi)容
    html = urllib.request.urlopen("http://www.xiaohuar.com/").read().decode("utf-8")
    print(html)

except urllib.error.URLError as e:      #如果出現(xiàn)錯(cuò)誤
    if hasattr(e,"code"):               #如果有錯(cuò)誤代碼
        print(e.code)                   #打印錯(cuò)誤代碼
    if hasattr(e,"reason"):             #如果有錯(cuò)誤信息
        print(e.reason)                 #打印錯(cuò)誤信息

#返回   說(shuō)明網(wǎng)站禁止了爬蟲(chóng)訪問(wèn)
# 403
# Forbidden

瀏覽器偽裝技術(shù)

很多網(wǎng)站,做了反爬技術(shù),一般在后臺(tái)檢測(cè)請(qǐng)求頭信息里是否有User-Agent瀏覽器信息,如果沒(méi)有說(shuō)明不是瀏覽器訪問(wèn),就屏蔽了這次請(qǐng)求

所以,我們需要偽裝瀏覽器報(bào)頭來(lái)請(qǐng)求

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import urllib.request
url = "https://www.qiushibaike.com/"                    #抓取頁(yè)面URL
tou = ("User-Agent","Mozilla/5.0 (Windows NT 10.0; WOW64; rv:54.0) Gecko/20100101 Firefox/54.0")  #設(shè)置模擬瀏覽器報(bào)頭
b_tou = urllib.request.build_opener()               #創(chuàng)建請(qǐng)求對(duì)象
b_tou.addheaders=[tou]                              #添加報(bào)頭
html = b_tou.open(url).read().decode("utf-8")       #開(kāi)始抓取頁(yè)面
print(html)

注意:我們可以看到這次請(qǐng)求并不是用urlopen()方法請(qǐng)求的,此時(shí)用urlopen()無(wú)法請(qǐng)求,但是我們就會(huì)感覺(jué)到這樣很費(fèi)勁,難道每次請(qǐng)求都要?jiǎng)?chuàng)建build_opener(),所以我們需要設(shè)置使用urlopen()方法請(qǐng)求自動(dòng)報(bào)頭

設(shè)置使用urlopen()方法請(qǐng)求自動(dòng)報(bào)頭,也就是設(shè)置用戶(hù)代理

install_opener()將報(bào)頭信息設(shè)置為全局,urlopen()方法請(qǐng)求時(shí)也會(huì)自動(dòng)添加報(bào)頭

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import urllib.request
#設(shè)置報(bào)頭信息
tou = ("User-Agent","Mozilla/5.0 (Windows NT 10.0; WOW64; rv:54.0) Gecko/20100101 Firefox/54.0")  #設(shè)置模擬瀏覽器報(bào)頭
b_tou = urllib.request.build_opener()               #創(chuàng)建請(qǐng)求對(duì)象
b_tou.addheaders=[tou]                              #添加報(bào)頭到請(qǐng)求對(duì)象
#將報(bào)頭信息設(shè)置為全局,urlopen()方法請(qǐng)求時(shí)也會(huì)自動(dòng)添加報(bào)頭
urllib.request.install_opener(b_tou)

#請(qǐng)求
url = "https://www.qiushibaike.com/"
html = urllib.request.urlopen(url).read().decode("utf-8")
print(html)

創(chuàng)建用戶(hù)代理池

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import urllib.request
import random   #引入隨機(jī)模塊文件

def yh_dl():    #創(chuàng)建用戶(hù)代理池
   yhdl = [
       "Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50",
       "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0",
       "Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0)",
       "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:2.0.1) Gecko/20100101 Firefox/4.0.1",
       "Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1",
       "Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; en) Presto/2.8.131 Version/11.11",
       "Opera/9.80 (Windows NT 6.1; U; en) Presto/2.8.131 Version/11.11",
       "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Maxthon 2.0)",
       "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; TencentTraveler 4.0)",
       "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)",
       "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; The World)",
       "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; 360SE)",
       "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Avant Browser)",
       "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)",
       "Mozilla/5.0 (iPhone; U; CPU iPhone OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5",
       "User-Agent:Mozilla/5.0 (iPod; U; CPU iPhone OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5",
       "Mozilla/5.0 (iPad; U; CPU OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5",
       "Mozilla/5.0 (Linux; U; Android 2.3.7; en-us; Nexus One Build/FRF91) AppleWebKit/533.1 (KHTML, like Gecko) Version/4.0 Mobile Safari/533.1",
       "Opera/9.80 (Android 2.3.4; Linux; Opera Mobi/build-1107180945; U; en-GB) Presto/2.8.149 Version/11.10",
       "Mozilla/5.0 (Linux; U; Android 3.0; en-us; Xoom Build/HRI39) AppleWebKit/534.13 (KHTML, like Gecko) Version/4.0 Safari/534.13",
       "Mozilla/5.0 (BlackBerry; U; BlackBerry 9800; en) AppleWebKit/534.1+ (KHTML, like Gecko) Version/6.0.0.337 Mobile Safari/534.1+",
       "Mozilla/5.0 (compatible; MSIE 9.0; Windows Phone OS 7.5; Trident/5.0; IEMobile/9.0; HTC; Titan)",
       "UCWEB7.0.2.37/28/999",
       "NOKIA5700/ UCWEB7.0.2.37/28/999",
       "Openwave/ UCWEB7.0.2.37/28/999",
       "Mozilla/4.0 (compatible; MSIE 6.0; ) Opera/UCWEB7.0.2.37/28/999"
       ]
   thisua = random.choice(yhdl)                    #隨機(jī)獲取代理信息
   headers = ("User-Agent",thisua)                 #拼接報(bào)頭信息
   opener = urllib.request.build_opener()          #創(chuàng)建請(qǐng)求對(duì)象
   opener.addheaders=[headers]                     #添加報(bào)頭到請(qǐng)求對(duì)象
   urllib.request.install_opener(opener)           #將報(bào)頭信息設(shè)置為全局,urlopen()方法請(qǐng)求時(shí)也會(huì)自動(dòng)添加報(bào)頭

#請(qǐng)求
yh_dl()     #執(zhí)行用戶(hù)代理池函數(shù)
url = "https://www.qiushibaike.com/"
html = urllib.request.urlopen(url).read().decode("utf-8")
print(html)

這樣爬蟲(chóng)會(huì)隨機(jī)調(diào)用,用戶(hù)代理,也就是隨機(jī)報(bào)頭,保證每次報(bào)頭信息不一樣

文章版權(quán)歸作者所有,未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為,您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請(qǐng)注明本文地址:http://systransis.cn/yun/44038.html

相關(guān)文章

  • Python3網(wǎng)絡(luò)爬蟲(chóng)實(shí)戰(zhàn)---20、使用Urllib:發(fā)送請(qǐng)求

    摘要:下面我們傳入多個(gè)參數(shù)構(gòu)建一個(gè)來(lái)感受一下在這里我們通過(guò)四個(gè)參數(shù)構(gòu)造了一個(gè),即請(qǐng)求,在中指定了和,傳遞的參數(shù)用了和方法來(lái)轉(zhuǎn)成字節(jié)流,另外指定了請(qǐng)求方式為。運(yùn)行結(jié)果如下通過(guò)觀察結(jié)果可以發(fā)現(xiàn),我們成功設(shè)置了,以及。用于處理重定向。 上一篇文章:Python3網(wǎng)絡(luò)爬蟲(chóng)實(shí)戰(zhàn)---19、代理基本原理下一篇文章:Python3網(wǎng)絡(luò)爬蟲(chóng)實(shí)戰(zhàn)---21、使用Urllib:處理異常 學(xué)習(xí)爬蟲(chóng),最初的操作便...

    kun_jian 評(píng)論0 收藏0
  • 如何快速掌握Python數(shù)據(jù)采集與網(wǎng)絡(luò)爬蟲(chóng)技術(shù)

    摘要:通過(guò)本文的學(xué)習(xí),可以快速掌握網(wǎng)絡(luò)爬蟲(chóng)基礎(chǔ),結(jié)合實(shí)戰(zhàn)練習(xí),寫(xiě)出一些簡(jiǎn)單的爬蟲(chóng)項(xiàng)目。從技術(shù)手段來(lái)說(shuō),網(wǎng)絡(luò)爬蟲(chóng)有多種實(shí)現(xiàn)方案,如。二網(wǎng)絡(luò)爬蟲(chóng)技術(shù)基礎(chǔ)在本次課中,將使用技術(shù)手段進(jìn)行項(xiàng)目的編寫(xiě)。 摘要:本文詳細(xì)講解了python網(wǎng)絡(luò)爬蟲(chóng),并介紹抓包分析等技術(shù),實(shí)戰(zhàn)訓(xùn)練三個(gè)網(wǎng)絡(luò)爬蟲(chóng)案例,并簡(jiǎn)單補(bǔ)充了常見(jiàn)的反爬策略與反爬攻克手段。通過(guò)本文的學(xué)習(xí),可以快速掌握網(wǎng)絡(luò)爬蟲(chóng)基礎(chǔ),結(jié)合實(shí)戰(zhàn)練習(xí),寫(xiě)出一些簡(jiǎn)單的...

    W4n9Hu1 評(píng)論0 收藏0
  • 爬蟲(chóng)問(wèn)題總結(jié)

    摘要:編碼我們發(fā)現(xiàn),中有時(shí)候存在中文,這是就需要對(duì)進(jìn)行編碼。可以先將中文轉(zhuǎn)換成編碼,然后使用方法對(duì)參數(shù)進(jìn)行編碼后傳遞。 本文檔對(duì)日常學(xué)習(xí)中用 python 做數(shù)據(jù)爬取時(shí)所遇到的一些問(wèn)題做簡(jiǎn)要記錄,以便日后查閱,部分問(wèn)題可能因?yàn)檎J(rèn)識(shí)不到位會(huì)存在一些誤解,敬請(qǐng)告知,萬(wàn)分感謝,共同進(jìn)步。 估算網(wǎng)站規(guī)模 該小節(jié)主要針對(duì)于整站爬取的情況。爬取整站之前,肯定是要先對(duì)一個(gè)網(wǎng)站的規(guī)模進(jìn)行估計(jì)。這是可以使用g...

    nanfeiyan 評(píng)論0 收藏0
  • Python3中級(jí)玩家:淘寶天貓商品搜索爬蟲(chóng)自動(dòng)化工具(第一篇)

    摘要:這就是我們第一個(gè)核心函數(shù)代碼,后面還有很多個(gè)喔明天待續(xù)中級(jí)玩家淘寶天貓商品搜索爬蟲(chóng)自動(dòng)化工具第二篇等不及,請(qǐng)武裝 查看·Github 使用Golang重構(gòu)PC版本搜索框:https://github.com/hunterhug/... 一、前言 大家好,今天我要來(lái)講講一個(gè)比較實(shí)用的爬蟲(chóng)工具,抓取淘寶的關(guān)鍵字商品信息,即是: showImg(https://segmentfault.co...

    oliverhuang 評(píng)論0 收藏0
  • Python-爬蟲(chóng)工程師-面試總結(jié)

    摘要:內(nèi)存池機(jī)制提供了對(duì)內(nèi)存的垃圾收集機(jī)制,但是它將不用的內(nèi)存放到內(nèi)存池而不是返回給操作系統(tǒng)。為了加速的執(zhí)行效率,引入了一個(gè)內(nèi)存池機(jī)制,用于管理對(duì)小塊內(nèi)存的申請(qǐng)和釋放。 注:答案一般在網(wǎng)上都能夠找到。1.對(duì)if __name__ == main的理解陳述2.python是如何進(jìn)行內(nèi)存管理的?3.請(qǐng)寫(xiě)出一段Python代碼實(shí)現(xiàn)刪除一個(gè)list里面的重復(fù)元素4.Python里面如何拷貝一個(gè)對(duì)象?...

    antz 評(píng)論0 收藏0

發(fā)表評(píng)論

0條評(píng)論

最新活動(dòng)
閱讀需要支付1元查看
<