urllib2.urlopenでユーザーエージェントを変更する

urllib2.urlopenのデフォルト以外のユーザーエージェントを使用してWebページをダウンロードするにはどうすればよいですか？

みんなのお気に入りのDive Into PythonからUser-Agentを設定する。

短編：Request.add_headerを使用してこれを行うことができます。

ドキュメントのメモのように、リクエスト自体を作成するときにヘッダーを辞書として渡すこともできます。

ヘッダーは辞書である必要があり、add_header()各キーと値を引数として呼び出されたかのように扱われます。これは多くの場合、User-Agentヘッダーを「偽装」するために使用されます。ヘッダーは、ブラウザーがそれ自体を識別するために使用されます。一部のHTTPサーバーでは、スクリプトではなく、一般的なブラウザーからの要求のみを許可します。たとえば、Mozilla Firefoxはそれ自体をとして識別しますが"Mozilla/5.0 (X11; U; Linux i686) Gecko/20071127 Firefox/2.0.0.11"、urllib2のデフォルトのユーザーエージェント文字列は"Python-urllib/2.6"（Python 2.6）

私は数週間前に同様の質問に答えました。

そこのコード例では、その質問にありますが、基本的にはこのような何かを行うことができます（の時価総額を注意User-AgentするようRFC 2616、セクション14.43。）

opener = urllib2.build_opener()
opener.addheaders = [('User-Agent', 'Mozilla/5.0')]
response = opener.open('http://www.stackoverflow.com')

headers = { 'User-Agent' : 'Mozilla/5.0' }
req = urllib2.Request('www.example.com', None, headers)
html = urllib2.urlopen(req).read()

または、少し短い：

req = urllib2.Request('www.example.com', headers={ 'User-Agent': 'Mozilla/5.0' })
html = urllib2.urlopen(req).read()

Python 3の場合、urllibは3つのモジュールに分割されます...

import urllib.request
req = urllib.request.Request(url="http://localhost/", headers={'User-Agent':' Mozilla/5.0 (Windows NT 6.1; WOW64; rv:12.0) Gecko/20100101 Firefox/12.0'})
handler = urllib.request.urlopen(req)

これらはすべて理論的には機能するはずですが、（少なくともWindowsのPython 2.7.2では）カスタムのユーザーエージェントヘッダーを送信すると、urllib2はそのヘッダーを送信しません。User-agentヘッダーを送信しないと、デフォルトのPython / urllib2が送信されます

これらのメソッドはいずれもUser-agentの追加には機能しないようですが、他のヘッダーには機能します。

opener = urllib2.build_opener(proxy)
opener.addheaders = {'User-agent':'Custom user agent'}
urllib2.install_opener(opener)

request = urllib2.Request(url, headers={'User-agent':'Custom user agent'})

request.headers['User-agent'] = 'Custom user agent'

request.add_header('User-agent', 'Custom user agent')

urllibあなたが使用することができます。

from urllib import FancyURLopener

class MyOpener(FancyURLopener, object):
    version = 'Mozilla/5.0 (Windows; U; Windows NT 5.1; it; rv:1.8.1.11) Gecko/20071127 Firefox/2.0.0.11'

myopener = MyOpener()
myopener.retrieve('https://www.google.com/search?q=test', 'useragent.html')

urllib2およびPython 2.7の別のソリューション：

req = urllib2.Request('http://www.example.com/')
req.add_unredirected_header('User-Agent', 'Custom User-Agent')
urllib2.urlopen(req)

これを試して ：

html_source_code = requests.get("http://www.example.com/",
                   headers={'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/44.0.2403.107 Safari/537.36',
                            'Upgrade-Insecure-Requests': '1',
                            'x-runtime': '148ms'}, 
                   allow_redirects=True).content

urllib.URLopener()すなわち
addheaders = [('User-Agent', 'Python-urllib/1.17'), ('Accept', '*/*')]、との2つのプロパティがあり
version = 'Python-urllib/1.17'ます。
ウェブサイトをだますために、これらの値の両方を承認されたユーザーエージェントに変更する必要があります。例えば
Chromeブラウザの場合：'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/33.0.1750.149 Safari/537.36'
Googleボット：'Googlebot/2.1'
このように

import urllib
page_extractor=urllib.URLopener()  
page_extractor.addheaders = [('User-Agent', 'Googlebot/2.1'), ('Accept', '*/*')]  
page_extractor.version = 'Googlebot/2.1'
page_extractor.retrieve(<url>, <file_path>)

1つのプロパティのみを変更しても、Webサイトが疑わしい要求としてマークするため、機能しません。