>  기사  >  백엔드 개발  >  Python 크롤러의 403 오류에 대한 솔루션

Python 크롤러의 403 오류에 대한 솔루션

Y2J
Y2J원래의
2017-05-15 10:58:084127검색

이 글에서는 주로 403 접근 금지 오류를 해결하기 위한 파이썬 크롤러 관련 정보를 소개하고 있습니다. 필요한 친구들은 참고하시면 됩니다.

403 접근 금지 오류를 해결하기 위한 파이썬 크롤러

Python으로 크롤러를 작성할 때 html.getcode()는 403 액세스 금지 문제에 직면하게 됩니다. 이는 웹사이트에서 자동화된 크롤러를 금지하는 문제입니다. 이 문제를 해결하려면 Python 모듈 urllib2 모듈을 사용해야 합니다.

urllib2 모듈은 고급 크롤러 크롤링 모듈입니다. 예를 들어 url=http://blog.csdn.NET/qysh123에 연결하면 403 액세스 금지 문제가 발생할 수 있습니다. 이 연결

이 문제를 해결하려면 다음 단계가 필요합니다.

<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>

그 중 User-Agent는 브라우저별 속성 으로, 브라우저

를 통해 소스 코드를 보면

html=urllib2.urlopen(req)
print html.read()

는 403 접근 금지 문제 없이 모든 웹 페이지 코드를 다운로드할 수 있습니다.

위 문제의 경우 나중에 쉽게 사용할 수 있도록 함수 로 캡슐화할 수 있습니다. 구체적인 코드는

#-*-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)

입니다. 이미 작성된 User-Agent 정보를 커스텀 함수에 직접 작성해야 합니다. 원활하게 진행되며 더 이상 403 액세스 정보가 발생하지 않습니다.

물론 접속 빈도가 너무 빠르면 일부 웹사이트가 필터링될 수 있습니다. 이 문제를 해결하려면 프록시 IP 방식을 사용해야 합니다. . . 직접 풀어보세요

[관련 추천]

1. 특별 추천: "php 프로그래머 툴박스" V0. 1 버전 다운로드

2. 무료 Python 동영상 튜토리얼

3. 데이터 과학에 Python을 적용하는 동영상 튜토리얼

위 내용은 Python 크롤러의 403 오류에 대한 솔루션의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

성명:
본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.