告别 403 Forbidden！详解爬虫如何模拟浏览器头部（User-Agent）

在爬虫开发中，“403 Forbidden” 绝对是最让人头疼的错误之一 —— 明明浏览器能正常打开网页，爬虫请求却被服务器无情拒绝。这背后，“浏览器头部信息” 尤其是 User-Agent，往往是关键突破口。今天我们就从原理到实践，彻底搞懂如何通过模拟 User-Agent 解决 403 问题，让爬虫顺利 “伪装” 成浏览器。

一、先搞懂：为什么 403 会盯上爬虫？

服务器之所以会返回 403，核心是 “识别出了访问者是爬虫而非正常用户”。而 User-Agent（用户代理），就是服务器判断身份的重要 “身份证”。

简单来说，User-Agent 是 HTTP 请求头部的一段字符串，用来告诉服务器 “我是谁”—— 比如你用 Chrome 浏览器访问网页，请求里的 User-Agent 会包含 “Chrome/120.0.0.0”“Windows NT 10.0” 等信息，服务器看到这段字符串，就知道是正常浏览器访问；但如果你的爬虫没设置 User-Agent，或者用了 Python requests 库默认的 “python-requests/2.31.0”，服务器一眼就能识破 “这是爬虫”，直接用 403 拒绝。

二、第一步：获取真实浏览器的 User-Agent

要模拟浏览器，首先得拿到 “正版” 的 User-Agent 字符串。这里有 3 种简单方法：

1. 浏览器开发者工具直接查（最准确）

以 Chrome 为例：

• 打开任意网页，按 F12 打开开发者工具；
• 切换到 “Network” 标签，刷新网页；
• 在左侧请求列表中随便选一个请求（比如第一个文档请求），右侧找到 “Request Headers”；
• 往下翻就能看到 “User-Agent” 字段，复制后面的字符串即可。

比如 Chrome 在 Windows 10 上的 User-Agent 可能是：Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36

2. 在线工具查询

如果嫌麻烦，直接搜 “User-Agent 查询”，比如访问useragentstring.com，网页会自动显示你当前浏览器的 User-Agent，直接复制即可。

3. 常用浏览器 User-Agent 模板（应急用）

如果暂时没法打开浏览器，也可以用这些通用模板（注意定期更新，浏览器版本会迭代）：

• Edge（Windows）：Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Edg/120.0.0.0 Safari/537.36
• Safari（Mac）：Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/17.1 Safari/605.1.15
• 手机 Chrome（Android）：Mozilla/5.0 (Linux; Android 13; SM-G998U) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Mobile Safari/537.36

三、第二步：在爬虫中配置 User-Agent（实战代码）

拿到真实 User-Agent 后，核心是在爬虫请求中 “带上” 它。这里以最常用的 Python requests 库为例，分基础版和进阶版讲解。

1. 基础版：固定 User-Agent（解决简单 403）

如果目标网站反爬不严格，固定一个真实 User-Agent 就能解决问题。代码示例：

python

import requests# 1. 定义请求头部，把复制的User-Agent放进去
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36"
}# 2. 发起请求时带上headers参数
url = "https://目标网站地址"
try:response = requests.get(url, headers=headers)# 检查请求是否成功（200表示正常）if response.status_code == 200:print("请求成功！")print(response.text[:500])  # 打印前500个字符验证else:print(f"请求失败，状态码：{response.status_code}")
except Exception as e:print(f"报错：{e}")

这里的关键是requests.get()中加入headers=headers参数 —— 没有这一步，requests 会用默认的 “python-requests” User-Agent，大概率触发 403；加上后，服务器会认为是 Chrome 浏览器访问，从而放行。

2. 进阶版：User-Agent 池（应对严格反爬）

如果目标网站更严格，会检测 “单一 User-Agent 频繁访问”，这时候固定一个 User-Agent 还是会被封。解决方案是构建 “User-Agent 池”，每次请求随机选一个，模拟不同浏览器 / 设备的访问。

代码示例：

python

import requests
import random# 1. 构建User-Agent池（多放几个不同浏览器/设备的）
user_agent_pool = ["Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36","Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Edg/120.0.0.0 Safari/537.36","Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/17.1 Safari/605.1.15","Mozilla/5.0 (Linux; Android 13; SM-G998U) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Mobile Safari/537.36","Mozilla/5.0 (iPhone; CPU iPhone OS 17_1 like Mac OS X) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/17.1 Mobile/15E148 Safari/604.1"
]# 2. 每次请求随机选一个User-Agent
def get_random_headers():headers = {"User-Agent": random.choice(user_agent_pool),# 可选：加上Referer（告诉服务器请求来自哪个页面，更像真实访问）"Referer": "https://www.baidu.com/"  # 比如模拟从百度跳转过来}return headers# 3. 发起请求
url = "https://目标网站地址"
for _ in range(5):  # 模拟多次请求，每次用不同User-Agentheaders = get_random_headers()response = requests.get(url, headers=headers)print(f"当前User-Agent：{headers['User-Agent'][:50]}...")print(f"状态码：{response.status_code}\n")

这里多了两个优化点：

• 用random.choice()随机选 User-Agent，避免单一标识被盯上；
• 增加了Referer字段 —— 有些服务器会检查 “请求来源”，比如只允许从百度、谷歌跳转的访问，加上 Referer 能进一步降低被识别的概率。

四、注意事项：避免踩坑的 3 个关键

1. 不要用太旧的 User-Agent：比如 Chrome 80 以下的版本，服务器可能会认为是 “异常设备”，反而拒绝；建议定期更新 User-Agent 池，保持与主流浏览器版本一致。
2. 不止 User-Agent：头部信息要完整：有些严格的网站会检查多个头部字段，比如Accept（告诉服务器能接收的内容格式）、Accept-Language（语言），可以从浏览器开发者工具里把这些字段一起复制到 headers 中，模拟更真实的请求。
3. 配合其他反反爬手段：如果加了 User-Agent 还是 403，可能需要结合 “设置请求间隔”（用 time.sleep ()）、“使用代理 IP” 等方法 ——User-Agent 是基础，但不是万能的。

五、总结

解决爬虫 403 Forbidden 问题，模拟 User-Agent 是最基础也最有效的第一步：通过获取真实浏览器的 User-Agent，在请求中带上它，甚至构建 User-Agent 池随机切换，就能让爬虫成功 “伪装” 成正常用户。

记住：爬虫的核心是 “模拟真实访问”，而 User-Agent 就是这层 “伪装” 的第一张身份证。掌握它，就能告别大部分基础级的 403 拒绝，让爬虫更顺畅地运行。