爬虫实战1 京东

url="https://item.jd.com/100012881854.html"
kv = {'user-agent':'Mozilla/5.0'}
r = requests.get(url,headers = kv)
print(r.status_code)
print(r.encoding)
print(r.text[:1000])

200
utf-8
<!DOCTYPE HTML>
<html lang="zh-CN">
<head>

<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
<title>【魅族17 Pro】魅族17 Pro 8GB+128GB 定白骁龙865 旗舰5G手机 27W无线充 6400W后置主摄 90Hz屏幕支持NFC 智能游戏手机【行情报价价格评测】-京东</title>
<meta name="keywords" content="MEIZU17 Pro,魅族17 Pro,魅族17 Pro报价,MEIZU17 Pro报价"/>
<meta name="description" content="【魅族17 Pro】京东JD.COM提供魅族17 Pro正品行货，并包括MEIZU17 Pro网购指南，以及魅族17 Pro图片、17 Pro参数、17 Pro评论、17 Pro心得、17 Pro技巧等信息，网购魅族17 Pro上京东,放心又轻松" />
<meta name="format-detection" content="telephone=no">
<meta http-equiv="mobile-agent" content="format=xhtml; url=//item.m.jd.com/product/100012881854.html">
<meta http-equiv="mobile-agent" content="format=html5; url=//item.m.jd.com/product/100012881854.html">
<meta http-equiv="X-UA-Compatible" content="IE=Edge">
<link rel="canonical" href="//item.jd.com/100012881854.html"/>
<link rel="dns-prefetch" href="//misc.360buyimg.com"/>
<link rel="dns-prefetch" href="//s

必须加kv，不然

这是无法访问的

回到京东界面

因此

kv = {'user-agent':'Mozilla/5.0'}
r = requests.get(url,headers = kv)

通过更改User-Agent字段就可以轻易骗过该网站。京东会从HTTP的头部判断这是一个爬虫请求还是一个网络请求，它可以拒绝爬虫请求。

import requests
def getHtmlText(url):
    try:
        kv = {'user-agent': 'Mozilla/5.0'}
        r = requests.get(url, headers=kv)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text[:500]
    except:
        return  '爬取失败'

if __name__ == '__main__':
    url='https://item.jd.com/100012885246.html'
    print(getHtmlText(url))