scrapy shell 调试返回403 返回为[]

Question：有时候用scrapy shell来调试很方便,但是有时候使用scrapy shell会返回403,比如下面：

1. C:\Users\fendo>scrapy shell https://book.douban.com/subject/26805083/  
2. 2017-04-17 15:18:53 [scrapy.utils.log] INFO: Scrapy 1.3.3 started (bot: scrapybot)  
3. 2017-04-17 15:18:53 [scrapy.utils.log] INFO: Overridden settings: {'DUPEFILTER_CLASS': 'scrapy.dupefilters.BaseDupeFilter', 'LOGSTATS_INTERVAL': 0}  
4. 2017-04-17 15:18:53 [scrapy.middleware] INFO: Enabled extensions:  
5. ['scrapy.extensions.corestats.CoreStats',  
6.  'scrapy.extensions.telnet.TelnetConsole']  
7. 2017-04-17 15:18:54 [scrapy.middleware] INFO: Enabled downloader middlewares:  
8. ['scrapy.downloadermiddlewares.httpauth.HttpAuthMiddleware',  
9.  'scrapy.downloadermiddlewares.downloadtimeout.DownloadTimeoutMiddleware',  
10.  'scrapy.downloadermiddlewares.defaultheaders.DefaultHeadersMiddleware',  
11.  'scrapy.downloadermiddlewares.useragent.UserAgentMiddleware',  
12.  'scrapy.downloadermiddlewares.retry.RetryMiddleware',  
13.  'scrapy.downloadermiddlewares.redirect.MetaRefreshMiddleware',  
14.  'scrapy.downloadermiddlewares.httpcompression.HttpCompressionMiddleware',  
15.  'scrapy.downloadermiddlewares.redirect.RedirectMiddleware',  
16.  'scrapy.downloadermiddlewares.cookies.CookiesMiddleware',  
17.  'scrapy.downloadermiddlewares.stats.DownloaderStats']  
18. 2017-04-17 15:18:54 [scrapy.middleware] INFO: Enabled spider middlewares:  
19. ['scrapy.spidermiddlewares.httperror.HttpErrorMiddleware',  
20.  'scrapy.spidermiddlewares.offsite.OffsiteMiddleware',  
21.  'scrapy.spidermiddlewares.referer.RefererMiddleware',  
22.  'scrapy.spidermiddlewares.urllength.UrlLengthMiddleware',  
23.  'scrapy.spidermiddlewares.depth.DepthMiddleware']  
24. 2017-04-17 15:18:54 [scrapy.middleware] INFO: Enabled item pipelines:  
25. []  
26. 2017-04-17 15:18:54 [scrapy.extensions.telnet] DEBUG: Telnet console listening on 127.0.0.1:6024  
27. 2017-04-17 15:18:54 [scrapy.core.engine] INFO: Spider opened  
28. 2017-04-17 15:18:54 [scrapy.core.engine] DEBUG: Crawled (403) <GET https://book.douban.com/subject/26805083/> (referer: None)  
29. 2017-04-17 15:18:54 [traitlets] DEBUG: Using default logger  
30. 2017-04-17 15:18:54 [traitlets] DEBUG: Using default logger  
31. [s] Available Scrapy objects:  
32. [s]   scrapy     scrapy module (contains scrapy.Request, scrapy.Selector, etc)  
33. [s]   crawler    <scrapy.crawler.Crawler object at 0x000001E696FBAD68>  
34. [s]   item       {}  
35. [s]   request    <GET https://book.douban.com/subject/26805083/>  
36. [s]   response   <403 https://book.douban.com/subject/26805083/>  
37. [s]   settings   <scrapy.settings.Settings object at 0x000001E6993C7B70>  
38. [s]   spider     <DefaultSpider 'default' at 0x1e69964d1d0>  
39. [s] Useful shortcuts:  
40. [s]   fetch(url[, redirect=True]) Fetch URL and update local objects (by default, redirects are followed)  
41. [s]   fetch(req)                  Fetch a scrapy.Request and update local objects  
42. [s]   shelp()           Shell help (print this help)  
43. [s]   view(response)    View response in a browser  
44. In [1]:

Answer：

(1):第一种方法是在命令上加上-s USER_AGENT='Mozilla/5.0'

(2):第二种方法是修改scrapy的user-agent默认值

找到Python的:安装目录下的default_settings.py文件,比如我的F:\Software\Python36\Lib\site-packages\scrapy\settings\default_settings.py

把

[html] view plain copy

1. USER_AGENT = 'Scrapy/%s (+http://scrapy.org)' % import_module('scrapy').__version__  

改为

[html] view plain copy

1. USER_AGENT = 'Mozilla/5.0 (Windows NT 5.1; rv:5.0) Gecko/20100101 Firefox/5.0'    

使用shell再次，发现已经可以正常访问html不会在出现403错误了。