python爬虫headers设置后无效的解决方法


Posted in Python onOctober 21, 2017

此次遇到的是一个函数使用不熟练造成的问题,但有了分析工具后可以很快定位到问题(此处推荐一个非常棒的抓包工具fiddler) 

正文如下:

在爬取某个app数据时(app上的数据都是由http请求的),用Fidder分析了请求信息,并把python的request header信息写在程序中进行请求数据

代码如下

import requests
url = 'http://xxx?startDate=2017-10-19&endDate=2017-10-19&pageIndex=1&limit=50&sort=datetime&order=desc'

headers={
 "Host":"xxx.com",
 "Connection": "keep-alive",
 "Accept": "application/json, text/javascript, */*; q=0.01",
 "User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/29.0.1547.59 Safari/537.36",
 "X-Requested-With": "XMLHttpRequest",
 "Referer": "http://app.jg.eastmoney.com/html_Report/index.html",
 "Accept-Encoding": "gzip,deflate",
 "Accept-Language": "en-us,en",
 "Cookie":"xxx"
}
r = requests.get(url,headers)
print (r.text)

请求成功但是,返回的是

{"Id":"6202c187-2fad-46e8-b4c6-b72ac8de0142","ReturnMsg":"加载失败!"}

就是被发现不是正常请求被拦截了

然后我去Fidder中看刚才python发送请求的记录 #盖掉的两个部分分别是Host和URL

python爬虫headers设置后无效的解决方法

然后查看请求详细信息的时候,请求头并没有加载进去,User-Agent就写着python-requests !   #请求头里的UA信息是java,python程序,有点反爬虫意识的网站、app都会拦截掉

Header详细信息如下

GET http://xxx?istartDate=2017-10-19&endDate=2017-10-19&pageIndex=1&limit=50&sort=datetime&order=desc
&Host=xxx.com

&Connection=keep-alive

&Accept=application%2Fjson%2C+text%2Fjavascript%2C+%2A%2F%2A%3B+q%3D0.01

&User-Agent=Mozilla%2F5.0+%28Windows+NT+6.1%3B+WOW64%29+AppleWebKit%2F537.36+%28KHTML%2C+like+Gecko%29+Chrome%2F29.0.1547.59+Safari%2F537.36

&X-Requested-With=XMLHttpRequest

&Referer=xxx

&Accept-Encoding=gzip%2Cdeflate

&Accept-Language=en-us%2Cen

&Cookie=xxx
HTTP/1.1


Host: xxx.com
User-Agent: python-requests/2.18.4
Accept-Encoding: gzip, deflate
Accept: */*
Connection: keep-alive


HTTP/1.1 200 OK
Server: nginx/1.2.2
Date: Sat, 21 Oct 2017 06:07:21 GMT
Content-Type: application/json; charset=utf-8
Content-Length: 75
Connection: keep-alive
Cache-Control: private
X-AspNetMvc-Version: 5.2
X-AspNet-Version: 4.0.30319
X-Powered-By: ASP.NET

一开始还没发现,等我把请求的URL信息全部读完,才发现程序把我的请求头信息当做参数放到了URL里

那就是我请求的时候request函数Header信息参数用错了

又重新看了一下Requests库的Headers参数使用方法,发现有一行代码写错了,在使用request.get()方法时要把参数 “headers =“写出来 

更改如下:

import requests
url = 'http://xxx?startDate=2017-10-19&endDate=2017-10-19&pageIndex=1&limit=50&sort=datetime&order=desc'

headers={
 "Host":"xxx.com",
 "Connection": "keep-alive",
 "Accept": "application/json, text/javascript, */*; q=0.01",
 "User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/29.0.1547.59 Safari/537.36",
 "X-Requested-With": "XMLHttpRequest",
 "Referer": "http://app.jg.eastmoney.com/html_Report/index.html",
 "Accept-Encoding": "gzip,deflate",
 "Accept-Language": "en-us,en",
 "Cookie":"xxx"
}
r = requests.get(url,headers=headers)

然后去查看Fiddler中的请求。

python爬虫headers设置后无效的解决方法

此次python中的请求头已经正常了,请求详细信息如下

GET http://xxx?startDate=2017-10-19&endDate=2017-10-19&pageIndex=1&limit=50&sort=datetime&order=desc HTTP/1.1
User-Agent: Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/29.0.1547.59 Safari/537.36
Accept-Encoding: gzip,deflate
Accept: application/json, text/javascript, */*; q=0.01
Connection: keep-alive
Host: xxx.com
X-Requested-With: XMLHttpRequest
Referer: http://xxx
Accept-Language: en-us,en
Cookie: xxx


HTTP/1.1 200 OK
Server: nginx/1.2.2
Date: Sat, 21 Oct 2017 06:42:21 GMT
Content-Type: application/json; charset=utf-8
Content-Length: 75
Connection: keep-alive
Cache-Control: private
X-AspNetMvc-Version: 5.2
X-AspNet-Version: 4.0.30319
X-Powered-By: ASP.NET

然后又用python程序请求了一次,结果请求成功,返回的还是

{"Id":"6202c187-2fad-46e8-b4c6-b72ac8de0142","ReturnMsg":"加载失败!"}

因为一般cookie都会在短时间内过期,所以更新了cookie,然后请求成功

python爬虫headers设置后无效的解决方法

需要注意的是用程序爬虫一定要把Header设置好,这个app如果反爬的时候封ip的话可能就麻烦了。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
python对字典进行排序实例
Sep 25 Python
Django中对通过测试的用户进行限制访问的方法
Jul 23 Python
Python使用cookielib模块操作cookie的实例教程
Jul 12 Python
Python 在字符串中加入变量的实例讲解
May 02 Python
Python3实现转换Image图片格式
Jun 21 Python
Python简单I/O操作示例
Mar 18 Python
Django+zTree构建组织架构树的方法
Aug 21 Python
python树的同构学习笔记
Sep 14 Python
解决Python二维数组赋值问题
Nov 28 Python
Python实现病毒仿真器的方法示例(附demo)
Feb 19 Python
flask框架中的cookie和session使用
Jan 31 Python
python自动化办公操作PPT的实现
Feb 05 Python
Python 结巴分词实现关键词抽取分析
Oct 21 #Python
恢复百度云盘本地误删的文件脚本(简单方法)
Oct 21 #Python
Python实现对百度云的文件上传(实例讲解)
Oct 21 #Python
Python3操作SQL Server数据库(实例讲解)
Oct 21 #Python
Python3实现简单可学习的手写体识别(实例讲解)
Oct 21 #Python
python虚拟环境virtualenv的使用教程
Oct 20 #Python
Python环境搭建之OpenCV的步骤方法
Oct 20 #Python
You might like
重量级动漫纷纷停播!唯独OVERLORD第四季正在英魂之刃继续更新
2020/05/06 日漫
用ADODB来让PHP操作ACCESS数据库的方法
2006/12/31 PHP
PHP 获取文件权限函数介绍
2013/07/11 PHP
详细解读php的命名空间(二)
2018/02/21 PHP
php微信开发之谷歌测距
2018/06/14 PHP
laravel-admin的多级联动方法
2019/09/30 PHP
Mootools 1.2教程 输入过滤第二部分(字符串)
2009/09/15 Javascript
COM中获取JavaScript数组大小的代码
2009/11/22 Javascript
js禁止页面复制功能禁用页面右键菜单示例代码
2013/08/29 Javascript
js关于精确计算和数值格式化以及直接引js文件
2014/01/28 Javascript
jquery实现动态画圆
2014/12/04 Javascript
javascript随机显示背景图片的方法
2015/06/18 Javascript
JavaScript中的Array 对象(数组对象)
2016/06/02 Javascript
vue2.0+webpack环境的构造过程
2016/11/08 Javascript
ZeroClipboard.js使用一个flash复制多个文本框
2017/06/19 Javascript
VUE利用vuex模拟实现新闻点赞功能实例
2017/06/28 Javascript
详解vue 模版组件的三种用法
2017/07/21 Javascript
vue-cli项目优化方法- 缩短首屏加载时间
2018/04/01 Javascript
vue项目中axios请求网络接口封装的示例代码
2018/12/18 Javascript
vue进入页面时滚动条始终在底部代码实例
2019/03/26 Javascript
layui table数据修改的回显方法
2019/09/04 Javascript
vue实现简单跑马灯效果
2020/05/25 Javascript
Element Carousel 走马灯的具体实现
2020/07/26 Javascript
python使用cookie库操保存cookie详解
2014/03/03 Python
python绘制条形图方法代码详解
2017/12/19 Python
python实现监控某个服务 服务崩溃即发送邮件报告
2018/06/21 Python
对python中的乘法dot和对应分量相乘multiply详解
2018/11/14 Python
Python list运算操作代码实例解析
2020/01/20 Python
keras模型可视化,层可视化及kernel可视化实例
2020/01/24 Python
运行tensorflow python程序,限制对GPU和CPU的占用操作
2020/02/06 Python
python利用tkinter实现图片格式转换的示例
2020/09/28 Python
Python爬取梨视频的示例
2021/01/29 Python
一套比较完整的软件测试人员面试题
2012/05/13 面试题
全神贯注教学反思
2014/02/03 职场文书
2014年辅导员工作总结
2014/11/18 职场文书
《穷人》教学反思
2016/02/19 职场文书