ホームページ  >  記事  >  バックエンド開発  >  Python クローラーの 403 アクセス禁止エラーの詳細な説明

Python クローラーの 403 アクセス禁止エラーの詳細な説明

高洛峰
高洛峰オリジナル
2017-03-13 09:44:221885ブラウズ

この記事はPythonクローラーの403アクセス禁止エラーの詳細な説明に関する関連情報を主に紹介していますので、必要な友達は参考にしてください

Pythonクローラーは403アクセス禁止エラーを解決します

Pythonでクローラーを書く場合、html .getcode() は、Web サイト上の自動クローラの禁止である 403 アクセスの問題に遭遇します。この問題を解決するには、Python モジュール urllib2 モジュールを使用する必要があります。たとえば、url=http://blog.csdn.NET/qysh123 に接続する場合、この接続には 403 アクセス禁止の問題がある可能性があります


この問題を解決するには、次の手順が必要です:

<span style="font-size:18px;">req = urllib2.Request(url) 
req.add_header("User-Agent","Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36") 
req.add_header("GET",url) 
req.add_header("Host","blog.csdn.net") 
req.add_header("Referer","http://blog.csdn.net/")</span>

その中の User-Agent は、ブラウザ

の固有の

属性であり、ブラウザ

を通してソースコードを表示することで表示でき、その後、


html=urllib2.urlopen(req)


print html.read()

は、すべてのWebページのコードをダウンロードすることができます。 403アクセス禁止問題。

上記の問題については、将来簡単に使用できるように

関数 にカプセル化できます。特定のコード:


#-*-coding:utf-8-*- 
 
import urllib2 
import random 
 
url="http://blog.csdn.net/qysh123/article/details/44564943" 
 
my_headers=["Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36", 
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/35.0.1916.153 Safari/537.36", 
"Mozilla/5.0 (Windows NT 6.1; WOW64; rv:30.0) Gecko/20100101 Firefox/30.0" 
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.75.14 (KHTML, like Gecko) Version/7.0.3 Safari/537.75.14", 
"Mozilla/5.0 (compatible; MSIE 10.0; Windows NT 6.2; Win64; x64; Trident/6.0)" 
   
] 
def get_content(url,headers): 
  &#39;&#39;&#39;&#39;&#39; 
  @获取403禁止访问的网页 
  &#39;&#39;&#39; 
  randdom_header=random.choice(headers) 
 
  req=urllib2.Request(url) 
  req.add_header("User-Agent",randdom_header) 
  req.add_header("Host","blog.csdn.net") 
  req.add_header("Referer","http://blog.csdn.net/") 
  req.add_header("GET",url) 
 
  content=urllib2.urlopen(req).read() 
  return content 
 
print get_content(url,my_headers)

ランダム関数は、ブラウザータイプのユーザーエージェント情報を自動的に取得するために使用されます。

カスタム関数に独自のHost、Referer、GET情報などを記述する必要があります。これらの問題を解決すると、403アクセス情報が表示されなくなります。

もちろん、アクセス頻度が速すぎる場合、一部の Web サイトは依然としてフィルタリングされますが、この問題を解決するには、プロキシ IP 方式を使用する必要があります。 。 。具体的には自分で解決できます


読んでいただきありがとうございます、皆さんのお役に立てれば幸いです、このサイトをサポートしていただきありがとうございます!

以上がPython クローラーの 403 アクセス禁止エラーの詳細な説明の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

声明:
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。