使用jsoup获取谷歌结果时出现403错误[重复]

Posted 2023-03-31

【中文标题】使用jsoup获取谷歌结果时出现403错误[重复]

【英文标题】：403 error while getting the google result using jsoup [duplicate]

【发布时间】：2013-01-06 05:00:49

【问题描述】：

我正在尝试使用以下代码获取 Google 结果：

Document doc = con.connect("http://www.google.com/search?q=lakshman").timeout(5000).get();

但我得到了这个例外：

org.jsoup.HttpStatusException: HTTP error fetching URL. Status=403,URL=http://www.google.com/search?q=lakshman

403 错误意味着服务器禁止访问，但我可以在 Web 浏览器中加载此 URL。为什么Jsoup会报403错误？

【问题讨论】：

可能是缺少USER_AGENT 标头会触发 403。我认为无论如何这都违反了 Google 的 TOS

oh.thanks for the warning.then 有没有办法通过自动化获得谷歌结果？

我认为他们曾经有一个搜索 API，但我不确定状态是什么

可以使用jsoup设置用户代理：***.com/questions/6581655/…

***.com/questions/10120849/…

【参考方案1】：

您只需将 UserAgent 属性添加到 HTTP 标头，如下所示：

Jsoup.connect(itemUrl)
     .userAgent("Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.36 (Khtml, like Gecko) Chrome/33.0.1750.152 Safari/537.36")
     .get()

【讨论】：

谢谢！效果很好！

【参考方案2】：

Google 不允许使用机器人，您不能使用 jsoup 连接 google。 您可以使用Google Web Search API (Deprecated)，但您每天可以提出的请求数量将受到限制。

【参考方案3】：

其实你可以通过添加一个用户代理来规避 403 错误

doc = Jsoup.connect(url).timeout(timeout)
                    .userAgent("Mozilla")

但这违反了我认为的谷歌政策。

编辑：Google 捕获机器人的速度比您想象的要快。但是，您可以将其用作临时解决方案。

【参考方案4】：

试试这个：

Document doc =con.connect("http://www.google.com/search?q=lakshman").ignoreHttpErrors(true).timeout(5000).get();

万一 userAgent 不起作用就像它不适合我一样。

【参考方案5】：

在某些情况下，您需要设置推荐人。这对我有帮助。

完整源码here

    try

        String strText = 
                Jsoup
                .connect("http://www.whatismyreferer.com")
                .referrer("http://www.google.com")
                .get()
                .text();

        System.out.println(strText);

    catch(IOException ioe)
        System.out.println("Exception: " + ioe);
    

【参考方案6】：

替换语句

Document doc =con.connect("http://www.google.com/search?q=lakshman").timeout(5000).get();

带声明

Document doc=Jsoup.connect("http://www.google.com/search?q=lakshman").userAgent("Chrome").get();