這篇文章主要介紹了python 爬蟲解決403禁止訪問錯誤的相關資料,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。
對於上述問題,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): ''''' @获取403禁止访问的网页 ''' 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訪問的訊息。
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
【相關推薦】
1. #特別推薦:“php程式設計師工具箱” V0.1版本下載
2. Python免費影片教學
以上是python 爬蟲出現403錯誤的解決方案的詳細內容。更多資訊請關注PHP中文網其他相關文章!