[网络协议]Python反爬机制介绍

一.UA检测与UA伪装

UA.User-Agent(请求载体的身份标识)
UA检测:.门户网站的服务器会检测对应请求的载体身份标识.如果检测到请求的载体身份标识为某一款浏览器,说明该请求是一个正常的请求,但是如果检测到请求的载体体身份标识不是基于某一款浏览器的.则表示该请求不是正常的请求(爬虫),则会拒绝该请求
UA伪装:.让爬虫对应的请求载体身分标识伪装成某一款浏览器

写以下两行代码即可

headers={
        'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:97.0) Gecko/20100101 Firefox/97.0'
    }

response =  requests.get(url=url,params=param,headers=headers)

# coding=UTF-8
import sys
reload(sys)
sys.setdefaultencoding('utf8')
import requests
if __name__ == '__main__':
    #UA伪装:将对应的User-Agent封装到一个字典中
    headers={
        'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:97.0) Gecko/20100101 Firefox/97.0'
    }
    #处理url携带的参数:封装到字典中
    url='https://www.sogou.com/web?'
    kw=raw_input('你想要爬取什么:')
    param={
       'query':kw
    }
    #对指定的urL发起的请求对应的url是携带参数的,并且请求过程中处理了参数
    response =  requests.get(url=url,params=param,headers=headers)
    page_text = response.text
    fileName = kw+'.html'
    with open(fileName.decode('utf-8'),'w') as fp:
        fp.write(page_text)
    print (fileName,'保存成功!!!')