干货分享:python爬虫模拟浏览器的两种方法实例分析(赶紧收藏)
今天为大家带来的内容是：干货分享：python爬虫模拟浏览器的两种方法实例分析（赶紧收藏）
文章主要介绍了python爬虫模拟浏览器的两种方法,结合实例形式分析了Python爬虫模拟浏览器的两种常见操作技巧与使用注意事项,需要的朋友可以参考下！！！
本文实例讲述了python爬虫模拟浏览器的两种方法。分享给大家供大家参考，具体如下：
爬虫爬取网站出现403，因为站点做了防爬虫的设置
一、Herders 属性
爬取CSDN博客
爬取结果
urllib.error.HTTPError: HTTP Error 403: Forbidden
这就说明CSDN做了一些设置，来防止别人恶意爬取信息
所以接下来，我们需要让爬虫模拟成浏览器
任意打开一个网页，比如打开百度,然后按F12，此时会出现一个窗口，我们切换到Network标签页，然后点击刷新网站，选中弹出框左侧的“www.baidu.com”，即下图所示：
嗨喽：正在学习python的小伙伴或者打算学习的，可以私信小编“07”领取资料！
- 往下拖动 我们会看到“User-Agent”字样的一串信息，没错 这就是我们想要的东西。我们将其复制下来。
- 此时我们得到的信息是：”Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36”
- 接下来我们可以用两种方式来模拟浏览器访问网页。
二、方法1：使用build_opener()修改报头
由于urlopen()不支持一些HTTP的高级功能，所以我们需要修改报头。可以使用
urllib.request.build_opener()进行，我们修改一下上面的代码：
嗨喽：正在学习python的小伙伴或者打算学习的，可以私信小编“07”领取资料！
上面代码中我们先定义一个变量headers来储存User-Agent信息，定义的格式是(“User-Agent”,具体信息)
具体信息我们上面已经获取到了，这个信息获取一次即可，以后爬取其他网站也可以用，所以我们可以保存下来，不用每次都F12去找了。
然后我们用
urllib.request.build_opener()创建自定义的opener对象并赋值给opener，然后设置opener的addheaders，就是设置对应的头信息，格式为：“opener(对象名).addheaders = [头信息(即我们储存的具体信息)]”，设置好后我们就可以使用opener对象的open()方法打开对应的网址了。格式:“opener(对象名).open(url地址)”打开后我们可以使用read()方法来读取对应数据，并赋值给data变量。
得到输出结果:
三、方法2：使用add_header()添加报头
除了上面的这种方法，还可以使用urllib.request.Request()下的add_header()实现浏览器的模拟。
先上代码:
好，我们来分析一下。
导入包，定义url地址我们就不说了，我们使用urllib.request.Request(url)创建一个Request对象，并赋值给变量req，创建Request对象的格式：urllib.request.Request(url地址)
随后我们使用add_header()方法添加对应的报头信息，格式：Request(对象名).add_header(‘对象名'，'对象值')
现在我们已经设置好了报头，然后我们使用urlopen()打开该Request对象即可打开对应的网址，多以我们使用
data = urllib.request.urlopen(req).read()打开了对应的网址，并读取了网页内容，并赋值给data变量。
以上，我们使用了两种方法实现了爬虫模拟浏览器打开网址，并获取网址的内容信息，避免了403错误。
值得我们注意的是，方法1中使用的是addheaders()方法，方法2中使用的是add_header()方法，注意末尾有无s以及有无下划线的区别。
以上就是本文的全部内容啦！！！希望本文所述对大家Python程序设计有所帮助。
最后多说一句，小编是一名python开发工程师，这里有我自己整理了一套最新的python系统学习教程，包括从基础的python脚本到web开发、爬虫、数据分析、数据可视化、机器学习等。想要这些资料的可以关注小编，并在后台私信小编：“07”即可领取。