urllib2.HTTPError: HTTP Error 403: Forbidden 解决方法

Posted 2020-10-03 笑面浮屠

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了urllib2.HTTPError: HTTP Error 403: Forbidden 解决方法相关的知识，希望对你有一定的参考价值。

参考：

通过测试应该是request中header的问题。

 1 class S0819MtimeTiantangPipeline(object):
 2     def process_item(self, item, spider):
 3         headers = {
 4                     "Host":    \'img31.mtime.cn\',
 5                     "User-Agent":    \'Mozilla/5.0 (Macintosh; Intel Mac OS X 10.10; rv:53.0) Gecko/20100101 Firefox/53.0\',
 6                     "Accept":    \'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8\',
 7                     "Accept-Language":   \'zh-CN,zh;q=0.8,en-US;q=0.5,en;q=0.3\',
 8                     "Accept-Encoding":    \'gzip, deflate\',
 9                     "Connection":    \'keep-alive\',
10                     "Upgrade-Insecure-Requests":    1,             
11                 }
12         
13         req = urllib2.Request(url=item[\'addr\'], headers=headers)
14         res = urllib2.urlopen(req)
15             
16         file_name = os.path.join(os.path.curdir, "down_pic", item[\'name\'] + \'.jpg\')
17         with open(file_name, \'wb\') as fp:
18             fp.write(res.read())

下面是我怎么得到正确的header的方法：

1. 准备：

Firefox浏览器+HttpFox插件

2. 步骤

1. 打开HttpFox，然后将一个你要request的url输入到Firefox浏览框里，回车

例: http://img31.mtime.cn/pi/2014/02/28/042456.50965899_1000X1000.jpg

2. 如下图选取所需要的header

注:

1. 现在用requests抓取www.mtime.com图片又出现这个403问题了，有可能是被爬取的网站防采集程序给屏蔽了，现在还没找到方法，待处理。。。。

403 Forbidden 是HTTP协议中的一个状态码(Status Code)。可以简单的理解为没有权限访问此站。

该状态表示服务器理解了本次请求但是拒绝执行该任务，该请求不该重发给服务器。在HTTP请求的方法不是“HEAD”，并且服务器想让客户端知道为什么没有权限的情况下，服务器应该在返回的信息中描述拒绝的理由。在服务器不想提供任何反馈信息的情况下，服务器可以用404 Not Found代替403 Forbidden比如：choovin。

有人说缺少cookie或者是_xsrf，但是用FixeFox的httpfox抓出来的get信息里没有用到cookie和_xsrf呀(抓取时不需要登录)。

From: https://www.zhihu.com/question/29926060

Update:

应该是我的IP因为爬取同一个网站太快而被暂时屏蔽了。

这篇文章非常好: http://www.cnblogs.com/junrong624/p/5533655.html

Update:

每个网站请求时间隔delay 1s 后解决问题，这个.....降低了别人服务器的压力，延长了自己的工作时间^_^（快速采集是一种恶习 From:《Python 网络数据采集》).

其它优化时间方法:

1. 因为异步采集的有:

http://img21.mtime.cn

http://img31.mtime.cn

http://img5.mtime.cn