好资源导航 » 文章资讯 » python 爬虫出现403禁止访问错误详解

python 爬虫出现403禁止访问错误详解

2024-02-27 19:30:03 47

python爬虫解决403禁止访问错误

在Python写爬虫的时候，html.getcode()会遇到403禁止访问的问题，这是网站对自动化爬虫的禁止，要解决这个问题，需要用到python的模块urllib2模块

urllib2模块是属于一个进阶的爬虫抓取模块，有非常多的方法，比方说连接url=//www.nhooo.com/qysh123对于这个连接就有可能出现403禁止访问的问题

解决这个问题，需要以下几步骤：

req=urllib2.Request(url)
req.add_header("User-Agent","Mozilla/5.0(WindowsNT6.3;WOW64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/39.0.2171.95Safari/537.36")
req.add_header("GET",url)
req.add_header("Host","blog.csdn.net")
req.add_header("Referer","//www.nhooo.com/")

其中User-Agent是浏览器特有的属性，通过浏览器查看源代码就可以查看到

然后

html=urllib2.urlopen(req)


printhtml.read()

就可以把网页代码全部下载下来，而没有了403禁止访问的问题。

对于以上问题，可以封装成函数，供以后调用方便使用，具体代码：

#-*-coding:utf-8-*-

importurllib2
importrandom

url="//www.nhooo.com/article/1.htm"

my_headers=["Mozilla/5.0(WindowsNT6.3;WOW64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/39.0.2171.95Safari/537.36",
"Mozilla/5.0(Macintosh;IntelMacOSX10_9_2)AppleWebKit/537.36(KHTML,likeGecko)Chrome/35.0.1916.153Safari/537.36",
"Mozilla/5.0(WindowsNT6.1;WOW64;rv:30.0)Gecko/20100101Firefox/30.0"
"Mozilla/5.0(Macintosh;IntelMacOSX10_9_2)AppleWebKit/537.75.14(KHTML,likeGecko)Version/7.0.3Safari/537.75.14",
"Mozilla/5.0(compatible;MSIE10.0;WindowsNT6.2;Win64;x64;Trident/6.0)"

]
defget_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","//www.nhooo.com/")
req.add_header("GET",url)

content=urllib2.urlopen(req).read()
returncontent

printget_content(url,my_headers)

其中用到了random随机函数，自动获取已经写好的浏览器类型的User-Agent信息，在自定义函数中需要写出自己的Host,Referer,GET信息等，解决这几个问题，就可以顺利访问了，不再出现403访问的信息。

当然如果访问频率过快的话，有些网站还是会过滤的，解决这个需要用到代理IP的方法。。。具体的自己解决

感谢阅读，希望能帮助到大家，谢谢大家对本站的支持！

返回顶部
514930285
czq8825@qq.com

python 爬虫出现403禁止访问错误详解

热门推荐

随机推荐