浏览器访问正常但requests请求doi.org重定向至wiley失败

浏览器与requests请求的核心差异 #

• 请求头完整性：浏览器会自动携带大量额外请求头，比如Accept、Accept-Language、Accept-Encoding、Connection、Sec-Fetch-*系列等，而requests默认仅携带少量基础头，即便修改了User-Agent也补全不了这些内容。
• Cookie上下文：浏览器访问时可能已留存该域名的有效Cookie（比如之前访问产生的会话Cookie），而你的Session虽然启用，但第一次请求直接访问目标地址，没有先获取服务器下发的初始Cookie，缺少浏览器自动处理的Cookie交互流程。
• 请求方式适配：你首次用HEAD请求时，部分服务器会对HEAD请求做拦截限制，而浏览器默认使用GET请求，且重定向过程中会自动传递所有请求头和Cookie。

需要补充的关键请求头 #

模拟浏览器请求需补充以下几类核心头：

headers = {
    'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64; rv:109.0) Gecko/20100101 Firefox/114.0',
    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,*/*;q=0.8',
    'Accept-Language': 'en-US,en;q=0.5',
    'Accept-Encoding': 'gzip, deflate, br',
    'Connection': 'keep-alive',
    'Upgrade-Insecure-Requests': '1',
    'Sec-Fetch-Dest': 'document',
    'Sec-Fetch-Mode': 'navigate',
    'Sec-Fetch-Site': 'none',
    'Sec-Fetch-User': '?1'
}

修正后的请求示例 #

import requests

headers = {
    'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64; rv:109.0) Gecko/20100101 Firefox/114.0',
    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,*/*;q=0.8',
    'Accept-Language': 'en-US,en;q=0.5',
    'Accept-Encoding': 'gzip, deflate, br',
    'Connection': 'keep-alive',
    'Upgrade-Insecure-Requests': '1',
    'Sec-Fetch-Dest': 'document',
    'Sec-Fetch-Mode': 'navigate',
    'Sec-Fetch-Site': 'none',
    'Sec-Fetch-User': '?1'
}

with requests.Session() as s:
    # 先请求域名主页获取初始会话Cookie
    s.get('https://doi.org', headers=headers)
    # 再请求目标DOI地址
    response = s.get('https://doi.org/10.1002/jccs.200600142', headers=headers)
    print(response.status_code)

额外注意事项 #

• 避免短时间内频繁请求，防止触发服务器反爬机制。
• 最准确的模拟方式是用浏览器开发者工具（F12→Network标签）查看真实请求的所有请求头，完全复制后填入requests的headers中，能最大程度匹配浏览器行为。

内容的提问来源于stack exchange，提问作者geko