首頁  >  文章  >  後端開發  >  python爬蟲出現403禁止存取錯誤詳細說明

python爬蟲出現403禁止存取錯誤詳細說明

高洛峰
高洛峰原創
2017-03-13 09:44:221885瀏覽

這篇文章主要介紹了python爬蟲出現403禁止訪問錯誤詳細說明的相關資料,需要的朋友可以參考下 

 python 爬蟲解決403禁止訪問錯誤

在Python寫爬蟲的時候,html.getcode()會遇到403禁止訪問的問題,這是網站對自動化爬蟲的禁止,要解決這個問題,需要用到python的模組urllib2模組

urllib2模組是屬於一個進階的爬蟲抓取模組,有非常多的方法,比方說連接url=http://blog.csdn.NET/qysh123對於這個連接就有可能出現403禁止訪問的問題

解決這個問題,需要以下幾個步驟:


<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>

其中User-Agent是瀏覽器特有的屬性,透過瀏覽器查看原始程式碼就可以查看到

然後


html=urllib2.urlopen(req)


print html.read()

就可以把網頁程式碼全部下載下來,而沒有了403禁止造訪的問題。

對於以上問題,可以封裝成函數,以供以後呼叫方便使用,具體程式碼:


##

#-*-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)

其中用到了random隨機函數,自動取得已經寫好的瀏覽器類型的User-Agent信息,在

自訂函數中需要寫出自己的Host,Referer,GET資訊等,解決這幾個問題,就可以順利訪問了,不再出現403訪問的資訊。

當然如果訪問頻率太快的話,有些網站還是會過濾的,解決這個需要用到代理IP的方法。 。 。具體的自己解決


感謝閱讀,希望能幫助大家,謝謝大家對本站的支持!

以上是python爬蟲出現403禁止存取錯誤詳細說明的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述:
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn