在 urllib2.urlopen 中更改用户代理

Question

如何在urllib2.urlopen中使用非默认用户代理下载网页？

---

_{urllib2.urlopen在Python 3.x中不可用；相应的3.x版本是urllib.request.urlopen。请参阅更改Python 3中urrlib.request.urlopen的用户代理，使用标准库HTTP工具设置用户代理。}

- das

Answer 1

几周前我回答了一个类似的问题。

那个问题中有示例代码，但基本上你可以像这样做：（注意在RFC 2616第14.43节中User-Agent的大写。）

opener = urllib2.build_opener()
opener.addheaders = [('User-Agent', 'Mozilla/5.0')]
response = opener.open('http://www.stackoverflow.com')

- Jason Coon

---

该方法适用于其他标题，但不适用于User-Agent——至少在我的2.6.2安装中不是。由于某些原因，User-Agent被忽略了。 - Nathan Stocks

我认为"User-agent"实际上应该改为"User-Agent"(A要大写)。当这样做时，对我来说似乎可以工作。 - KriiV

标题名称不区分大小写。 - Nicolás

Answer 2

headers = { 'User-Agent' : 'Mozilla/5.0' }
req = urllib2.Request('www.example.com', None, headers)
html = urllib2.urlopen(req).read()

或者，稍微简洁一些：

req = urllib2.Request('www.example.com', headers={ 'User-Agent': 'Mozilla/5.0' })
html = urllib2.urlopen(req).read()

- Paolo

---

使用命名参数，你可以用两行代码完成此操作。删除第一行并将第二行替换为：req = urllib2.Request('www.example.com', headers={'User-Agent': 'Mozilla/5.0'})。对于仅进行单个请求的情况，我更喜欢这种形式。 - Iain Samuel McLean Elder

甚至更短，一行代码就可以了：html = urlopen(Request('http://www.example.com', headers={'User-Agent': 'Mozilla/5.0'})).read() - user

Answer 3

设置User-Agent，来自大家喜爱的Dive Into Python。

简短的故事：您可以使用Request.add_header来实现此功能。

当创建请求本身时，您还可以将标头作为字典传递，如文档所述：

headers应该是一个字典，并且将被视为如果使用每个键和值作为参数调用add_header()。这通常用于"欺骗"浏览器用于识别自己的标题-一些HTTP服务器仅允许来自常见浏览器而不是脚本的请求。例如，Mozilla Firefox可能将其自身标识为"Mozilla/5.0 (X11; U; Linux i686) Gecko/20071127 Firefox/2.0.0.11"，而urllib2的默认用户代理字符串为"Python-urllib/2.6"（在Python 2.6上）。

- Paolo Bergantino

Answer 4

对于Python 3，urllib被分成了3个模块...

import urllib.request
req = urllib.request.Request(url="http://localhost/", headers={'User-Agent':' Mozilla/5.0 (Windows NT 6.1; WOW64; rv:12.0) Gecko/20100101 Firefox/12.0'})
handler = urllib.request.urlopen(req)

- Jay Dave

---

这真的很有帮助。我不明白为什么需要request.Request然后再重复urllib.request.urlopen，而旧版本只需使用urllib.urlopen（req）就可以了，但无论如何，它都能工作，现在我知道如何在Python 3中使用它了。 - james-see

我仍然收到404错误 :( - Yaroslav Dukal

我已经从答案中删除了令人困惑的data=b'None'参数。它将示例请求转换为具有无效数据的POST请求。这很可能是@Maksim案例失败的原因。 - user

Answer 5

理论上，所有这些方法都应该有效，但是（至少在Windows上使用Python 2.7.2），每当您发送自定义User-agent标头时，urllib2就不会发送该标头。 如果您不尝试发送User-agent标头，则它将发送默认的Python / urllib2标头。

这些方法似乎都无法添加User-agent，但它们适用于其他标题：

opener = urllib2.build_opener(proxy)
opener.addheaders = {'User-agent':'Custom user agent'}
urllib2.install_opener(opener)

request = urllib2.Request(url, headers={'User-agent':'Custom user agent'})

request.headers['User-agent'] = 'Custom user agent'

request.add_header('User-agent', 'Custom user agent')

- fijiaaron

---

opener.addheaders 应该改为 [('User-agent', 'Custom user agent')]。否则这些方法都应该可以正常工作（我已在 Python 2.7.3 (Linux) 上测试过）。在你的情况下，它可能会出错，因为你错误地使用了代理参数。 - jfs

对我来说，build_opener调用返回一个默认的User-Agent已经在头部定义好了。因此，追加只会创建另一个User-Agent头，第二个将被忽略。这就是为什么@jcoon的解决方案有效。 - Vajk Hermecz

Answer 6

如果您使用的是 urllib：

from urllib import FancyURLopener

class MyOpener(FancyURLopener, object):
    version = 'Mozilla/5.0 (Windows; U; Windows NT 5.1; it; rv:1.8.1.11) Gecko/20071127 Firefox/2.0.0.11'

myopener = MyOpener()
myopener.retrieve('https://www.google.com/search?q=test', 'useragent.html')

- Pedro Lobito

Answer 7

在Python 2.7中，urllib2 中的另一种解决方案：

req = urllib2.Request('http://www.example.com/')
req.add_unredirected_header('User-Agent', 'Custom User-Agent')
urllib2.urlopen(req)

- OH2GBA

---

如果我通过浏览器输入URL，访问一个已存在的页面时却收到404错误代码。 - Yebach

Answer 8

urllib.URLopener()有两个属性，分别为：
addheaders = [('User-Agent', 'Python-urllib/1.17'), ('Accept', '*/*')] 和
version = 'Python-urllib/1.17'。
为了欺骗网站，您需要将这两个值都更改为被接受的 User-Agent。例如：
Chrome 浏览器：'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/33.0.1750.149 Safari/537.36'
Google 机器人：'Googlebot/2.1'
就像这样。

import urllib
page_extractor=urllib.URLopener()  
page_extractor.addheaders = [('User-Agent', 'Googlebot/2.1'), ('Accept', '*/*')]  
page_extractor.version = 'Googlebot/2.1'
page_extractor.retrieve(<url>, <file_path>)

只更改一个属性是不行的，因为网站会将其标记为可疑请求。

- twitu

Answer 9

Try this :

html_source_code = requests.get("http://www.example.com/",
                   headers={'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/44.0.2403.107 Safari/537.36',
                            'Upgrade-Insecure-Requests': '1',
                            'x-runtime': '148ms'}, 
                   allow_redirects=True).content

- akash karothiya

---

该问题明确讨论了urllib2模块，而不是其他模块。 - Ron Klein