urllib2.HTTPError: HTTP Error 403: Forbidden
来源:互联网 发布:arp攻击软件 编辑:程序博客网 时间:2024/04/29 20:38
my2010Sam的专栏
urllib2.HTTPError: HTTP Error 403: Forbidden
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~
- 顶
- 1
- 踩
- 0
参考知识库
Python知识库
.NET知识库
- 猜你在找
- 2楼 applebite 2016-01-29 10:32发表 [回复]
- 不错
- 1楼 zoegogogo 2015-10-23 16:50发表 [回复]
- 厉害!成功了!
核心技术类目
- 个人资料
- 访问:723320次
- 积分:7825
- 等级:
- 排名:第2034名
- 原创:189篇
- 转载:201篇
- 译文:1篇
- 评论:43条
my2010Sam
- 文章搜索
- 文章分类
- python(92)
- database(27)
- 环境搭建(6)
- 文章存档
- 2016年09月(1)
- 2016年08月(4)
- 2016年07月(4)
- 2016年06月(3)
- 2016年05月(1)展开
- 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
- PAT 乙级 1032. 挖掘机技术哪家强(20)
- E9V1版本uboot,内核 在ubuntu14.04 64位片机器上的编译
- Qt - QDialog,QWidget实现模态及非模态
- CMake生成OpenCV解决方案&&编译OpenCV源码
- iOS 工作之余小总结之(六)(1) --四种界面反向传值的方式:属性传值,回调方法传值,委托(代理)传值,block传值
- urllib2.HTTPError: HTTP Error 403: Forbidden
- java字节流
- 关于Python2.0版本与3.0版本中类的区别
- 怎么在linux中安装adobe flash player
- PopupWindow使用
- QT 为按钮添加事件
- Web开发实用网站资源
- C++标准库利用仿函数为map提供排序规则
- javaMail 邮件工厂发送类