Python3 fake |
您所在的位置:网站首页 › php随机ua › Python3 fake |
在使用 Python 做爬虫的时候,我们需要伪装头部信息骗过网站的防爬策略,Python 中的第三方模块 fake_useragent 就很好的解决了这个问题,它将给我们返回一个随机封装了好的头部信息,我们直接使用即可 fake_useragent 的使用安装 fake_useragent pip install fake_useragent示例: from fake_useragent import UserAgent # 实例化 UserAgent 类 ua = UserAgent() # 对应浏览器的头部信息 print(ua.ie) print(ua.opera) print(ua.chrome) print(ua.firefox) print(ua.safari) # 随机返回头部信息,推荐使用 print(ua.random)运行结果: (adnice) adnice:Downloads zhangyi$ python3 fake.py Mozilla/5.0 (compatible; MSIE 8.0; Windows NT 5.1; SLCC1; .NET CLR 1.1.4322) Opera/9.80 (Windows NT 6.1; U; fi) Presto/2.7.62 Version/11.00 Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/27.0.1500.55 Safari/537.36 Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:23.0) Gecko/20131011 Firefox/23.0 Mozilla/5.0 (Windows; U; Windows NT 6.0; en-US) AppleWebKit/533.20.25 (KHTML, like Gecko) Version/5.0.4 Safari/533.20.27 Mozilla/5.0 (Windows NT 5.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/35.0.2117.157 Safari/537.36 fake_useragent 报错及解决方案报错信息: socket.timeout: timed out During handling of the above exception, another exception occurred: Traceback (most recent call last): File "d:\programdata\anaconda3\lib\site-packages\fake_useragent\utils.py", lin e 166, in load verify_ssl=verify_ssl, File "d:\programdata\anaconda3\lib\site-packages\fake_useragent\utils.py", lin e 122, in get_browser_versions verify_ssl=verify_ssl, File "d:\programdata\anaconda3\lib\site-packages\fake_useragent\utils.py", lin e 84, in get raise FakeUserAgentError('Maximum amount of retries reached') fake_useragent.errors.FakeUserAgentError: Maximum amount of retries reached首先找出关键报错信息: fake_useragent.errors.FakeUserAgentError: Maximum amount of retries reached大概意思是:这个模块尝试请求一个东西已达到最大重试次数 打开这个模块的源码进行查看发现这个库会引用在线资源,所以这个模块是进行几次尝试请求一个网站的 Json 数据,但是因为各种原因请求超时,所以就会报这个错误 fake_useragent\settings.py # -*- coding: utf-8 -*- from __future__ import absolute_import, unicode_literals import os import tempfile __version__ = '0.1.11' DB = os.path.join( tempfile.gettempdir(), 'fake_useragent_{version}.json'.format( version=__version__, ), ) CACHE_SERVER = 'https://fake-useragent.herokuapp.com/browsers/{version}'.format( version=__version__, ) BROWSERS_STATS_PAGE = 'https://www.w3schools.com/browsers/default.asp' BROWSER_BASE_PAGE = 'http://useragentstring.com/pages/useragentstring.php?name={browser}' # noqa BROWSERS_COUNT_LIMIT = 50 REPLACEMENTS = { ' ': '', '_': '', } SHORTCUTS = { 'internet explorer': 'internetexplorer', 'ie': 'internetexplorer', 'msie': 'internetexplorer', 'edge': 'internetexplorer', 'google': 'chrome', 'googlechrome': 'chrome', 'ff': 'firefox', } OVERRIDES = { 'Edge/IE': 'Internet Explorer', 'IE/Edge': 'Internet Explorer', } HTTP_TIMEOUT = 5 HTTP_RETRIES = 2 HTTP_DELAY = 0.1 解决方案:首先第一步要进行更新 fake_useragent pip install --upgrade fake_useragent 1. 在实例化的时候指定一些参数禁用服务器缓存 ua = UserAgent(use_cache_server=False)不缓存数据 ua = UserAgent(cache=False)忽略ssl验证 ua = UserAgent(verify_ssl=False)一般的话,通过上述解决方案都能解决了,但是我就比较悲催了,还是没解决… 2. 使用临时 Json 文件在 fake_useragent\settings.py 发现了几个 URL,其中有一些是打不开的,所以,我们将能打开的 URL 的 Json 文件保存在本地 wget https://fake-useragent.herokuapp.com/browsers/0.1.11这时我们就会得到一个 0.1.11 的文件,将文件名改为 fake_useragent_0.1.11.json mv 0.1.11 fake_useragent_0.1.11.json然后找到我们的临时文件目录(每个系统都不一样,例如 Ubuntu 在 /tmp 下) (edison) adnice:T zhangyi$ python3 Python 3.7.3 (v3.7.3:ef4ec6ed12, Mar 25 2019, 16:52:21) [Clang 6.0 (clang-600.0.57)] on darwin Type "help", "copyright", "credits" or "license" for more information. >>> import tempfile >>> tempfile.gettempdir() '/var/folders/6_/p67xz49j5wd5lzx7s2cz1cdr0000gn/T' >>>最后将文件拷贝到临时目录中即可 cp fake_useragent_0.1.11.json /var/folders/6_/p67xz49j5wd5lzx7s2cz1cdr0000gn/T/当我们再次实例化 UserAgent 的时候,就会先读取本地的临时文件,这样实例化的时候就不会报错了 参考文章:https://blog.csdn.net/huiyanshizhu/article/details/84952093 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |