脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → python 爬虫解决403

python 爬虫出现403禁止访问错误详解

 更新时间：2017年03月11日 15:42:11   作者：完美风暴4  
这篇文章主要介绍了 python 爬虫解决403禁止访问错误的相关资料,需要的朋友可以参考下

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.jb51.net/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：

<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","//www.jb51.net/")

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)


print html.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-*- 
 
import urllib2 
import random 
 
url="//www.jb51.net/article/1.htm" 
 
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","//www.jb51.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！

您可能感兴趣的文章:

相关文章

  • 基于注解实现 SpringBoot 接口防刷的方法

    基于注解实现 SpringBoot 接口防刷的方法

    这篇文章主要介绍了基于注解实现 SpringBoot 接口防刷的方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2021-03-03
  • 使用python进行文本预处理和提取特征的实例

    使用python进行文本预处理和提取特征的实例

    今天小编就为大家分享一篇使用python进行文本预处理和提取特征的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2018-06-06
  • python matplotlib模块基本图形绘制方法小结【直线，曲线，直方图，饼图等】

    python matplotlib模块基本图形绘制方法小结【直线，曲线，直方图，饼图等】

    这篇文章主要介绍了python matplotlib模块基本图形绘制方法,结合实例形式总结分析了Python使用matplotlib模块绘制直线，曲线，直方图，饼图等图形的相关操作技巧,需要的朋友可以参考下
    2020-04-04
  • Keras官方中文文档:性能评估Metrices详解

    Keras官方中文文档:性能评估Metrices详解

    这篇文章主要介绍了Keras官方中文文档:性能评估Metrices详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2020-06-06
  • python对XML文件的操作实现代码

    python对XML文件的操作实现代码

    这篇文章主要介绍了python对XML文件的操作实现代码,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-03-03
  • python用pyecharts画矩形树图实例

    python用pyecharts画矩形树图实例

    大家好，本篇文章主要讲的是python用pyecharts画矩形树图实例，感兴趣的同学赶快来看一看吧，对你有帮助的话记得收藏一下
    2022-01-01
  • 使用Python实现广告点击率预测

    使用Python实现广告点击率预测

    广告点击率是指有多少用户点击了您的广告与有多少用户查看了您的广告的比率,本文主要为大家介绍了如何使用Python实现广告点击率预测,感兴趣的小伙伴可以了解下
    2023-10-10
  • Python控制台获取输入与常见的正则表达式用法

    Python控制台获取输入与常见的正则表达式用法

    这篇文章主要给大家介绍了关于Python控制台获取输入与常见的正则表达式用法的相关资料,在Python编程中,控制台输入和正则表达式是两个重要而实用的概念,文中通过代码介绍的非常详细,需要的朋友可以参考下
    2023-12-12
  • python银行卡号码校验Luhn模10算法

    python银行卡号码校验Luhn模10算法

    这篇文章主要为大家介绍了python银行卡号码校验Luhn模10算法，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
    2022-05-05
  • python爬取百度贴吧前1000页内容（requests库面向对象思想实现）

    python爬取百度贴吧前1000页内容（requests库面向对象思想实现）

    这篇文章主要介绍了python爬取百度贴吧前1000页内容（requests库面向对象思想实现）,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2019-08-08

最新评论