urllib2.HTTPError: HTTP Error 403: Forbidden

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~

  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
sklearn是一个流行的机器学习库,用于处理大量的机器学习任务。在使用sklearn时,有时可能会遇到urllib.error.httperror: http error 403: forbidden的错误。 这个错误通常表示Web服务器拒绝了我们的请求。很可能是由于我们试图从服务器上下载数据集或访问某个API时,没有提供身份验证或使用了无效的身份验证凭据。 要解决这个问题,我们可以采取以下步骤: 1. 检查URL:首先,确保我们提供的URL地址正确无误,且没有拼写错误。如果我们从在线资源中下载数据集,请确保URL正确。 2. 检查身份验证凭据:如果我们需要提供身份验证凭据,确保提供的凭据是正确的。通常,我们可以直接在代码中提供凭据或通过环境变量进行配置。检查我们是否正确设置了这些凭据。 3. 检查访问权限:确保我们有权访问所请求的资源。有时,服务器可能会要求我们具有特定权限或满足某些条件方可访问资源。如果我们没有相应的权限,则会出现403 Forbidden错误。 4. 联系服务器管理员:如果我们确认URL、身份验证凭据和访问权限都正确无误,但仍然收到403 Forbidden错误,那么问题可能出在服务器端。在这种情况下,我们可以联系服务器管理员或提供商,向他们报告这个问题,并请求他们的帮助解决这个错误。 总而言之,出现urllib.error.httperror: http error 403: forbidden错误通常是由于我们没有提供正确的身份验证凭据或没有相应的访问权限。通过仔细检查URL、调整身份验证凭据以及确认访问权限,我们可以解决这个问题。如果问题仍然存在,我们可以与服务器管理员或提供商联系寻求帮助。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值