urllib2.HTTPError: HTTP Error 403: Forbidden 分类: urllib2 2013-12-18 17:52 3886人阅读 评论(0) 收藏
2013-12-18 17:52
696 查看
应用例子: #coding:utf-8 import urllib2 request = 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~
相关文章推荐
- 判断网络是否连接正常 分类: urllib2 2013-12-18 18:11 347人阅读 评论(0) 收藏
- urllib2.HTTPError: HTTP Error 403: Forbidden
- 使用urllib2解析html内容,并正常显示中文的方法 分类: python Module 2013-10-31 17:30 294人阅读 评论(0) 收藏
- python urllib webbrowser HTTPError: HTTP Error 403: Forbidden
- Python模块学习 --- urllib 分类: python 2013-06-09 16:17 209人阅读 评论(0) 收藏
- urllib2中碰到HTTPError: HTTP Error 403: Forbidden的解决方案
- Python网页爬虫提示urllib2.HTTPError: HTTP Error 403: Forbidden 错误
- U-Boot启动过程 分类: HI3531 arm-linux-Ubuntu 2013-12-18 09:36 587人阅读 评论(0) 收藏
- urllib2.HTTPError: HTTP Error 403: Forbidden
- NYOJ-289 苹果 TLE 分类: NYOJ 2013-12-29 17:52 282人阅读 评论(0) 收藏
- Python网页爬虫提示urllib2.HTTPError: HTTP Error 403: Forbidden 错误
- urllib2.HTTPError: HTTP Error 403: Forbidden 错误
- urllib2.HTTPError: HTTP Error 403: Forbidden的解决方案
- urllib2请求csdn时,显示: urllib2.HTTPError: HTTP Error 403: Forbidden
- [Python] urllib2.HTTPError: HTTP Error 403: Forbidden
- plx9030触发pci中断 分类: 浅谈PCI 2013-11-15 17:52 634人阅读 评论(2) 收藏
- urllib2.HTTPError: HTTP Error 403: Forbidden 错误
- bzoj 2879 分类: bzoj templates noi 2015-08-07 17:52 86人阅读 评论(0) 收藏
- I Think I Need a Houseboat 分类: POJ 2015-06-11 17:52 12人阅读 评论(0) 收藏