添加链接
link之家
链接快照平台
  • 输入网页链接,自动生成快照
  • 标签化管理网页链接

原文链接:

参考链接:https://blog.csdn.net/goodnameused/article/details/80246331

参考链接:https://blog.csdn.net/u010883226/article/details/80183366

这个问题说的就是我们写的网络爬虫爬取第三方的时候,第三方不愿意被爬从而拒绝链接,解决这个的思路大概就是伪装浏览器来处理,单也不可避免还是会被拒,暂时只能勤换header的内容

在写爬虫的时候遇到了问题,网站是asp.net写的

1 requests.exceptions.ConnectionError: 
2 ('Connection aborted.', RemoteDisconnected('Remote end closed connection without response',))

于是就抓包分析,发现只要加了’Accept-Language’就好了。。。

1 ' Accept-Language ' : ' zh-CN,zh;q=0.9 '

根据各位大神的解释是UA(User-Agent)出现问题了,

1  headers = {'User-Agent': 'User-Agent:Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36'}  
2  req = request.Request(url, headers=headers)

1 html = request.urlopen(req).read()

需要模拟浏览器来解决。但是有好多网上的UA都不能用,应该这种UA爬取东西过多,直接被网站记录了黑名单,需要更改为自己的UA。一般在浏览器的地址栏输入: about:version

获得本机的UA,然后或者得到不同人的UA,使用random来规避一些网站的反爬措施,

如何使用涉及代码:第16、17、22、35行

 1 import os
 2 import urllib.request
 3 import json
 4 from urllib import request
 6 import pytest
 7 import requests
 8 from bs4 import BeautifulSoup
 9 import ssl
10 ssl._create_default_https_context = ssl._create_unverified_context
11 #写入User-Agent,采用字典形式
12 # head={}
13 # head['User-Agent']='Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'
16 headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '  
17                         'Chrome/51.0.2704.63 Safari/537.36', 'Accept-Language':'zh-CN,zh;q=0.9'}
18 #根据学名搜索页面
19 def apiSerch(xueming):
20     apiUrl = "https://api.ebird.org/v2/ref/taxon/find?locale=zh_CN&cat=species&limit=150&key=jfekjedvescr&q="+xueming
21     # 调用api 匹配学名
22     resp = requests.get(apiUrl, headers=headers)
23     print(resp.text)
25     # resp = '[{"code": "apubrf1", "name": "Apurimac Brushfinch - Atlapetes forbesi"}]'
26     data = json.loads(resp.text)
27     # print(data2['code'],data2['name'])
28     #如果未查询到则返回空串
29     if (len(data) == 0):
30         return ''
31     print(data[0]['code'])
32     # 根据学名的code值搜索 获取目标页面
33     searchUrl = "https://ebird.org/species/"
34     # 创建headers伪装浏览器
35     shtml = requests.get(searchUrl + data[0]['code'] + "/", headers=headers)
36     #print(shtml.text)
37     return shtml