第五十五課:論一只爬蟲的自我修養(yǎng):隱藏

內(nèi)容來源于網(wǎng)絡(luò),本人只是在此稍作整理,如有涉及版權(quán)問題,歸小甲魚官方所有。

0.請寫下這一節(jié)課你學習到的內(nèi)容:格式不限,回憶并復(fù)述是加強記憶的好方式!

  • 修改User-Agent
    下圖是urllib.request.Request部分有關(guān)于設(shè)置User-Agent的敘述。
設(shè)置User-Agent.png

設(shè)置這個headers參數(shù)有兩種辦法:
1??實例化Request參數(shù)時將headers參數(shù)傳進去。

import urllib.request
import urllib.parse
import json

content = input("請輸入需要翻譯的內(nèi)容:")
url = "http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule&smartresult=ugc&sessionFrom=http://www.youdao.com"
head = {}
head['Referer'] = 'http://fanyi.youdao.com/'
head['User-Agent'] = 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36'

data = {}
data['type'] = 'AUTO'
data['i'] = content
data['doctype'] = 'json'
data['version'] = '2.1'
data['keyfrom'] = 'fanyi.web'
data['ue'] = 'UTF-8'
data['typoResult'] = 'true'

data = urllib.parse.urlencode(data).encode('utf-8')
req = urllib.request.Request(url, data, headers=head)
response = urllib.request.urlopen(req)
html = response.read().decode('utf-8')
target = json.loads(html)
print("翻譯結(jié)果:%s" % (target['translateResult'][0][0]['tgt']))
print(req.headers)

輸出:

請輸入需要翻譯的內(nèi)容:我愛你
翻譯結(jié)果:I love you
{'Referer': 'http://fanyi.youdao.com/', 'User-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36'}

2??通過add_header()方法往Request對象添加headers。

import urllib.request
import urllib.parse
import json

content = input("請輸入需要翻譯的內(nèi)容:")
url = "http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule&smartresult=ugc&sessionFrom=http://www.youdao.com"
data = {}
data['type'] = 'AUTO'
data['i'] = content
data['doctype'] = 'json'
data['version'] = '2.1'
data['keyfrom'] = 'fanyi.web'
data['ue'] = 'UTF-8'
data['typoResult'] = 'true'

data = urllib.parse.urlencode(data).encode('utf-8')
req = urllib.request.Request(url, data)
req.add_header('Referer', 'http://fanyi.youdao.com')
req.add_header('User-Agent', 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36')
response = urllib.request.urlopen(req)
html = response.read().decode('utf-8')
target = json.loads(html)
print("翻譯結(jié)果:%s" % (target['translateResult'][0][0]['tgt']))
print(req.headers)

輸出:

請輸入需要翻譯的內(nèi)容:I want to go back.
翻譯結(jié)果:我想回去。
{'Referer': 'http://fanyi.youdao.com', 'User-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36'}
  • 如果同一個IP地址在短時間內(nèi)對服務(wù)器訪問很頻繁,顯然這不是正常人操作的,所以服務(wù)器會設(shè)置每個IP的訪問頻率,一旦超過這個闕值,便認為就是爬蟲,于是返回一個驗證碼頁面,要求用戶填寫驗證碼,爬蟲自然就不能正常爬取信息了,所以被拒絕。所以想到有2種方法可以解決這種情況:

1??延遲提交的時間;

import urllib.request
import urllib.parse
import json
import time

url = "http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule&smartresult=ugc&sessionFrom=http://www.youdao.com"
while True:
    content = input('請輸入待翻譯的內(nèi)容(輸入"q!"退出程序"):')
    if content == 'q!':
        break
    data = {}
    data['type'] = 'AUTO'
    data['i'] = content
    data['doctype'] = 'json'
    data['version'] = '2.1'
    data['keyfrom'] = 'fanyi.web'
    data['ue'] = 'UTF-8'
    data['typoResult'] = 'true'
    data = urllib.parse.urlencode(data).encode('utf-8')
    req = urllib.request.Request(url, data)
    req.add_header('Referer', 'http://fanyi.youdao.com')
    req.add_header('User-Agent',
                   'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36')
    response = urllib.request.urlopen(req)
    html = response.read().decode('utf-8')
    target = json.loads(html)
    print("翻譯結(jié)果:%s" % (target['translateResult'][0][0]['tgt']))
    time.sleep(5)  # 5秒

2??使用代理;

import urllib.request

url = 'http://www.whatismyip.com.tw/'
proxy_support = urllib.request.ProxyHandler({'http':'211.138.121.38:80'})
# 接著創(chuàng)建一個包含代理IP的opener
opener = urllib.request.build_opener(proxy_support)
# 安裝進默認環(huán)境
urllib.request.install_opener(opener)
# 試試看IP地址改了沒
response = urllib.request.urlopen(url)
html = response.read().decode('utf-8')
print(html)
import urllib.request
import random

url = 'http://www.whatismyip.com.tw/'
print("添加代理IP地址(IP:端口號),多個IP地址間用英文的分號隔開!")
iplist = input("請開始輸入:").split(sep=";")
while True:
    ip = random.choice(iplist)
    proxy_support = urllib.request.ProxyHandler({'http':ip})
    opener = urllib.request.build_opener(proxy_support)
    opener.addheaders = [('User-Agent',
                   'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36')]
    urllib.request.install_opener(opener)
    try:
        print("正在嘗試使用%s訪問..." % ip)
        response = urllib.request.urlopen(url)
    except urllib.error.URLError:
        print("訪問出錯!")
    else:
        print("訪問成功!")
    if input("請問是否繼續(xù)?(Y/N)") == 'N':
        break

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容