您的位置:首页 > 新闻资讯 >文章内容
爬虫的请求头应该怎写不会被发现?
来源:互联网 作者:admin 时间:2019-02-20 17:30:24

    网站的反爬虫存在于整个爬虫获取数据流程里面,爬虫首先会遇到请求的问题,如果爬虫不伪装浏览器发送请求,那么就会被网站检测到爬虫,从而禁止访问,拒绝返回信息。那么爬虫的请求头应该怎写呢?


    当我们使用浏览器访问网站的时候,浏览器会发送一小段信息给网站,我们称为RequestHeaders,在这个头部信息里面包含了本次访问的一些信息,例如编码方式,当前地址,将要访问的地址等等。这些信息一般来说是不必要的,但是现在很多网站会把这些信息利用起来。其中最常被用到的一个信息,叫做“User-Agent”。网站可以通过User-Agent来判断用户是使用什么浏览器访问。不同浏览器的User-Agent是不一样的,但都有遵循一定的规则。


    例如,我们在windows上面的Chrome浏览器,它的User-Agent是:


    但是如果我们使用Python的Requests直接访问网站,除了网址不提供其他的信息,那么网站收到的User-Agent是空。这个时候网站就知道我们不是使用浏览器访问的,于是它就可以拒绝我们的访问。


    例如:


    没有User-Agent的情况


爬虫的请求头应该怎写不会被发现?


    有User-Agent的情况


爬虫的请求头应该怎写不会被发现?


    如何获取网站的User-Agent呢?请打开Chrome,任意打开一个网站,然后右键,“检查”打开开发者工具,定位到“Network”选项卡,并刷新网页,如下图所示:


爬虫的请求头应该怎写不会被发现?


    在左下角会出现当前网页加载的所有元素。随便点一个元素,于是在右下角会出现对当前元素的请求信息。在里面找到RequestHeaders这一项,里面的内容即为我们需要的内容。


    不同的网站,RequestHeaders是不同的


    提示:requests的get方法,post方法,Session模块的get方法,post方法,都支持自定义Headers,参数名为headers,它可以接收字典作为参数。


    我们可以通过字典来设定Headers,例如:


爬虫的请求头应该怎写不会被发现?


    其实网站通过检查User-Agent是一种最简单的反爬虫机制,而我们爬虫也可以通过设定RequestHeaders中的User-Agent来突破这种机制。当时如果获取信息都使用同一种User-Agent,这也太反常了,没有那么巧的事情,这也可能会被检测到,从而被封。因此,即使使用User-Agent能突破限制,也是需要更换不同User-Agent来使用,可以收集不同的浏览器User-Agent,同浏览器不同本版的User-Agent也是不一样,都可以收集轮流使用。


相关文章内容简介
推荐阅读
  • 17 2019-06
    有没有好用的代理IP做数据采集

    有没有好用的代理IP做数据采集?因为爬虫去抓取数据的话,对代理IP的要求要相对高些,不然老是被拦住,采集不到,这就麻烦了。因此,找个好用的代理IP是非常重要的,而且还不好找。

  • 20 2019-03
    动态ip代理解决不了抓取问题,哪里出问题了?

    网络爬虫配上动态IP代理,基本上都能顺利的抓取到信息,因为使用了动态IP代理就可以解决频率限制的问题,可以一直进行数据的抓取工作。但有时候,即使使用了动态IP代理,还是出问题了,

  • 24 2019-05
    透明代理无法隐藏IP地址

    透明代理无法隐藏IP地址,有时候大家使用代理,但是却被对方发现了,这是为什么呢?可能你使用的是透明代理,何为透明代理呢?

  • 14 2019-06
    最快找出可用代理ip方法

    最快找出可用代理ip方法,有没有人掌握呢?因为网上很多IP都是无效的,想在其中找到有效的,需要一定的时间,那么有没有最快找出可用代理ip方法呢?

  • 19 2019-04
    动态ip代理软件到底有什么用处?

    动态ip代理软件到底有什么用处?动态ip代理软件是一款比较常见的修改IP地址的软件,那么这一款软件对于我们来说有什么用呢?当然是有用的。

  • 19 2019-07
    找个推广必备的动态ip代理软件

    找个推广必备的动态ip代理软件,大家有什么好介绍的吗?许多推广人员为了避免在平台推广限制或者封号,一般会更换IP来解决这个问题,那么怎么更换电脑的IP呢?

在线客服
大客户VIP渠道
点击这里给我发消息
讨论QQ群
HTTP代理IP爬虫
客服电话
13318873961