今天发现使用采集程序中的file_get_contents 抓取某些网站时会报warning HTTP request failed! HTTP/1.1 403 Attack Request错误,用浏览器却可以打开。

主要是有些网站会判断是不是浏览器访问,它的是通过user agent进行判断的

那什么是user agent呢?

User Agent中文名为用户代理,简称 UA,它是一个特殊字符串头,使得服务器能够识别客户使用的操作系统及版本、CPU 类型、浏览器及版本、浏览器渲染引擎、浏览器语言、浏览器插件等。

网站可以通过判断不同UA来呈现不同的网站,例如手机访问和PC访问显示不同的页面。

PHP在使用file_get_contents函数采集网站时,有时会明明用浏览器可以看,但就是采不到任何内容。

这很有可能是服务器上做了设置,根据 User_agent判断是否为正常的浏览器请求,因为默认PHP的file_get_contents函数是不发送ua的。

如果要采集这样的网站,我们就必须要让PHP模拟浏览器发送UA,欺骗网站返回正常内容。

实现如下:

ini_set('user_agent','Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0; 4399Box.560; .NET4.0C; .NET4.0E)');

这是模拟IE8环境下的UA,当然你也可以换成其他的。

Last modification:April 11th, 2020 at 09:18 pm
如果觉得我的文章对你有用,请随意赞赏