urllib2.HTTPError: HTTP Error 403: Forbidden
来源:互联网 发布:amuse事务所 知乎 编辑:程序博客网 时间:2024/05/16 04:35
应用例子:#coding:utf-8import urllib2request = urllib2.Request('http://blog.csdn.net/nevasun')#在请求加上头信息,伪装成浏览器访问request.add_header('User-Agent','Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6')opener = urllib2.build_opener()f= opener.open(request)print f.read().decode('utf-8')
早就有想法把博客每天的访问流量记下来,刚好现在申请了GAE的应用,又开始学Python,正好拿这个练手。打算先利用Python把访问记录保存在本地,熟悉之后可以部署到GAE,利用GAE提供的cron就可以每天更近访问流量了。OK,开始~
首先是简单的网页抓取程序:
[python] import sys, urllib2
req = urllib2.Request("http://blog.csdn.net/nevasun")
fd = urllib2.urlopen(req)
while True:
data = fd.read(1024)
if not len(data):
break
sys.stdout.write(data)
在终端运行提示urllib2.HTTPError: HTTP Error 403: Forbidden,怎么回事呢?
这是由于网站禁止爬虫,可以在请求加上头信息,伪装成浏览器访问。添加和修改:
[python] headers = {'User-Agent':'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6'}
req = urllib2.Request("http://blog.csdn.net/nevasun", headers=headers)
再试一下,HTTP Error 403没有了,但是中文全都是乱码。又是怎么回事?
这是由于网站是utf-8编码的,需要转换成本地系统的编码格式:
import sys, urllib2
headers = {'User-Agent':'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6'}
req = urllib2.Request("http://blog.csdn.net/nevasun", headers=headers)
content = urllib2.urlopen(req).read() # UTF-8
type = sys.getfilesystemencoding() # local encode format
print content.decode("UTF-8").encode(type) # convert encode format
import sys, urllib2
OK,大功告成,可以抓取中文页面了。下一步就是在GAE上做个简单的应用了~
- urllib2.HTTPError: HTTP Error 403: Forbidden
- urllib2.HTTPError: HTTP Error 403: Forbidden 错误
- urllib2.HTTPError: HTTP Error 403: Forbidden
- urllib2.HTTPError: HTTP Error 403: Forbidden
- urllib2中碰到HTTPError: HTTP Error 403: Forbidden的解决方案
- urllib2.HTTPError: HTTP Error 403: Forbidden的解决方案
- urllib2请求csdn时,显示: urllib2.HTTPError: HTTP Error 403: Forbidden
- urllib.error.HTTPError: HTTP Error 403: Forbidden
- Python网页爬虫提示urllib2.HTTPError: HTTP Error 403: Forbidden 错误
- Python网页爬虫提示urllib2.HTTPError: HTTP Error 403: Forbidden 错误
- Py第十四问 urllib.error.HTTPError: HTTP Error 403: FORBIDDEN
- 上传GAE程序遇到HTTPError: HTTP Error 403: Forbidden问题解决
- 上传GAE程序遇到HTTPError: HTTP Error 403: Forbidden问题解决
- python urllib webbrowser HTTPError: HTTP Error 403: Forbidden
- urllib2.HTTPError: HTTP Error 504: Fiddler
- 关于报urllib2.HTTPError: HTTP Error 401: Unauthorized错误问题
- urllib2.HTTPError: HTTP Error 405(Method Not Allowed)
- Python urllib2.HTTPError: HTTP Error 304: Not Modified
- 1111111111111111111111
- 全虚拟化和半虚拟化
- C# socket通讯
- 模运算
- 一、与电视有关的视觉特性:
- urllib2.HTTPError: HTTP Error 403: Forbidden
- 加密文件中无法启用宏,安全选项对话框中无"启用此内容"选项
- 窥探 kernel --- 进程调度的目标,nice值,静态优先级,动态优先级,实时优先级,时间片
- 转载:程序猿人生的四个象限和两条主线
- Linux编辑器vi使用方法详细介绍
- html文本框不可编辑,禁止用户修改的几种方法
- 《爸爸去哪儿》制作过程曲折:节目组透露选娃秘笈
- Word查找所有的数字
- htmlparser使用指南