Python怎么禁用request库请求

本篇内容介绍了"Python怎么禁用request库请求"的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

一、前言

一个非常强的反爬虫方案 -- 禁用所有 HTTP 1.x 的请求！

现在很多爬虫库其实对 HTTP/2.0 支持得不好，比如大名鼎鼎的 Python 库 -- requests，到现在为止还只支持 HTTP/1.1，啥时候支持 HTTP/2.0 还不知道。

Scrapy 框架最新版本 2.5.0（2021.04.06 发布）加入了对 HTTP/2.0 的支持，但是官网明确提示，现在是实验性的功能，不推荐用到生产环境，原文如下：

"

HTTP/2 support in Scrapy is experimental, and not yet recommended for production environments. Future Scrapy versions may introduce related changes without a deprecation period or warning.

"

插一句，Scrapy 中怎么支持 HTTP/2.0 呢？在 settings.py 里面换一下 Download Handlers 即可：

DOWNLOAD_HANDLERS = {    'https': 'scrapy.core.downloader.handlers.http2.H2DownloadHandler',}

当前 Scrapy 的 HTTP/2.0 实现的已知限制包括：

• 不支持 HTTP/2.0 明文（h3c），因为没有主流浏览器支持未加密的 HTTP/2.0。

• 没有用于指定最大帧大小大于默认值 16384 的设置，发送更大帧的服务器的连接将失败。

• 不支持服务器推送。

• 不支持bytes_received和 headers_received信号。

关于其他的一些库，也不必多说了，对 HTTP/2.0 的支持也不好，目前对 HTTP/2.0 支持得还可以的有 hyper 和 httpx，后者更加简单易用一些。

二、反爬虫

所以，你想到反爬虫方案了吗？

如果我们禁用所有的 HTTP/1.x 的请求，是不是能通杀掉一大半爬虫？requests 没法用了，Scrapy 除非升级到最新版本才能勉强用个实验性版本，其他的语言也不用多说，也会杀一大部分。

而浏览器对 HTTP/2.0 的支持现在已经很好了，所以不会影响用户浏览网页的体验。

三、措施

那就让我们来吧！

这个怎么做呢？其实很简单，在 Nginx 里面配置一下就好了，主要就是加这么个判断就行了：

if ($server_protocol !~* "HTTP/2.0") {  return 444;}

就是这么简单，这里 $server_protocol 就是传输协议，其结果目前有三个：HTTP/1.0、HTTP/1.1 和 HTTP/2.0，另外判断条件我们使用了 !~* ，意思就是不等于，这里的判断条件就是，如果不是 HTTP/2.0，那就直接返回 444 状态码，444 一般代表 CONNECTION CLOSED WITHOUT RESPONSE，就是不返回任何结果关闭连接。

我的服务是在 Kubernetes 里面运行的，所以要加这个配置还得改下 Nginx Ingress 的配置，不过还好 https://kubernetes.github.io/ingress-nginx/user-guide/nginx-configuration/annotations/ 预留了一个配置叫做 nginx.ingress.kubernetes.io/server-snippet，利用它我们可以自定义 Nginx 的判定逻辑。

官方用法如下：

apiVersion: networking.k8s.io/v1beta1kind: Ingressmetadata:  annotations:    nginx.ingress.kubernetes.io/server-snippet: |        set $agentflag 0;        if ($http_user_agent ~* "(Mobile)" ){          set $agentflag 1;        }        if ( $agentflag = 1 ) {          return 301 https://m.example.com;        }

所以这里，我们只需要改成刚才的配置就好了：

apiVersion: networking.k8s.io/v1beta1kind: Ingressmetadata:  annotations:    nginx.ingress.kubernetes.io/server-snippet: |      if ($server_protocol !~* "HTTP/2.0") {        return 444;      }

大功告成！

配置完成了，示例网站是：https://spa16.scrape.center/

我们在浏览器中看下效果：

可以看到所有请求都是走的 HTTP/2.0，页面完全正常加载。

然而，我们使用 requests 来请求一下：

import requestsresponse = requests.get('https://spa16.scrape.center/')print(response.text)

非常欢乐的报错：

Traceback (most recent call last):  ...    raise RemoteDisconnected("Remote end closed connection without"http.client.RemoteDisconnected: Remote end closed connection without response During handling of the above exception, another exception occurred: Traceback (most recent call last):  ...    raise MaxRetryError(_pool, url, error or ResponseError(cause))requests.packages.urllib3.exceptions.MaxRetryError: HTTPSConnectionPool(host='spa16.scrape.center', port=443): Max retries exceeded with url: / (Caused by ProxyError('Cannot connect to proxy.', RemoteDisconnected('Remote end closed connection without response'))) During handling of the above exception, another exception occurred: Traceback (most recent call last): ...requests.exceptions.ProxyError: HTTPSConnectionPool(host='spa16.scrape.center', port=443): Max retries exceeded with url: / (Caused by ProxyError('Cannot connect to proxy.', RemoteDisconnected('Remote end closed connection without response')))

如果你用 requests，无论如何都不行的，因为它就不支持 HTTP/2.0。

那我们换一个支持 HTTP/2.0 的库呢？比如 httpx，安装方法如下：

pip3 install 'httpx[http2]'

注意，Python 版本需要在 3.6 及以上才能用 httpx。

安装好了之后测试下：

import httpxclient = httpx.Client(http2=True) response = client.get('https://spa16.scrape.center/')print(response.text)

结果如下：

可以看到，HTML 就成功被我们获取到了！这就是 HTTP/2.0 的魔法！

我们如果把 http2 参数设置为 False 呢？

import httpxclient = httpx.Client(http2=False) response = client.get('https://spa16.scrape.center/')print(response.text)

一样很不幸：

Traceback (most recent call last): ...    raise RemoteProtocolError(msg)httpcore.RemoteProtocolError: Server disconnected without sending a response. The above exception was the direct cause of the following exception:  ...    raise mapped_exc(message) from exchttpx.RemoteProtocolError: Server disconnected without sending a response.

所以，这就印证了，只要 HTTP/1.x 通通没法治！可以给 requests 烧香了！

"Python怎么禁用request库请求"的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注网站，小编将为大家输出更多高质量的实用文章！