Python如何解决403 Forbidden错误

更新:2020/3/17 17:03:56 浏览:606次

  在爬虫工作的过程中,我们经常会遇到一些问题,比如 407 authentication required,这个是授权问题,还有HTTP Error 403: Forbidden,这个可能是被反爬虫识别,被目标服务器拒绝请求。

  那么403 Forbidden问题该怎么解决呢?这是很多朋友经常遇到的问题,如何做才不会被反爬虫识别呢?

  一、使用高匿代理IP。代理IP按匿名程度可以分为透明代理、普匿代理、高匿代理。透明代理会透露本机IP,普匿代理会透露使用了代理IP,这两者都会暴露使用了代理IP,很容易识别,高匿代理则不会暴露,比如蝶鸟IP代理的动态高质量产品。

  二、尽量使用干净的代理IP。如果有很多其他人和你使用一样的IP同时访问一样的网站,那么也很容易被识别,当这些IP访问频率过快或者访问测试达到了目标网站的阈值时,则会被封IP。这时候,可以在网上寻找代理IP的供应商。

  三、伪装成浏览器。除了上面两个原因外,还有可能是代码里没设置User-Agent导致的。对有些 header 要特别留意,Server 端会针对这些 header 做检查。

  User-Agent  有些 Server或Proxy会检查该值,用来判断是否是浏览器发起的Request。
  Content-Type  在使用REST接口时,Server会检查该值,用来确定HTTP Body中的内容该怎样解析。

  这时可以通过修改http包中的header来实现,代码片段如下:

  import 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'

  }

  request = urllib2.Request(

   url = 'http://********'

  headers = headers

  )

  print urllib2.urlopen(request).read()