Python 爬虫返回403错误解决方法

问题

抓取数据时，通常调试信息是：

DEBUG: Crawled (200) <GET http://www.php.cn/> (referer: None)

如果出现

DEBUG: Crawled (403) <GET http://www.php.cn/> (referer: None)

表示网站采用了防爬技术anti-web-crawling technique（Amazon所用），比较简单即会检查用户代理（User Agent）信息。

解决方法

在请求头部构造一个User Agent，如下所示：

def start_requests(self):  
    yield Request("http://www.php.cn/",  
                  headers={'User-Agent': "your agent string"})

Atas ialah kandungan terperinci Python 爬虫返回403错误解决方法. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!