为什么我的爬虫都被禁，怎么解决呢？

FavouritePython

urllib.error.HTTPError: HTTP Error 403: Forbidden
百度贴吧啊，煎蛋啊之类的。每次一用爬虫就报错。
尤其是煎蛋，我用甲鱼哥的代码也搞不定啊。。。有谁知道该怎么修改后能用吗？
代码就是小甲鱼视频课件的代码
一直搞不定。爬虫已经不知道怎么学了。。。。求大牛。。。

～风介～

这个我也搞不定
试试scrapy框架？

qianczar

试试requests？
这个是简单的翻译，都是几个最常用的功能，加入headers等是官方文档中没讲的http://www.zhidaow.com/post/python-requests-install-and-brief-introduction

这个是官方文档：http://cn.python-requests.org/zh_CN/latest/

它比urllib的方法方便很多。

你被禁，估计也就是要加代理IP，或者要加cookies等，加代理里面有介绍，加cookies也就是加个headers，也有介绍。

如果你爬煎蛋，而且用urllib，你可以学习下这个帖子http://bbs.fishc.com/thread-61650-1-1.html，他解决了更换IP的问题。

默.默

回复有鱼币？鱼币不够用怎么办？

qianczar

默.默 发表于 2015-7-19 13:45
回复有鱼币？鱼币不够用怎么办？

来我这个提问下回复，因为问题我已经自己解决了，鱼币送你。
http://bbs.fishc.com/thread-61496-1-1.html

昨、夜星辰

用requests应该可以爬取煎蛋的内容，撸主需要爬哪些内容？我可以试着啪啪……

FavouritePython

昨、夜星辰 发表于 2015-7-20 09:46
用requests应该可以爬取煎蛋的内容，撸主需要爬哪些内容？我可以试着啪啪……

有用过，小甲鱼视频里不是有用request来修改user-agent嘛。还有代理IP，都用过啊，没用啊。。。。

昨、夜星辰

FavouritePython 发表于 2015-7-20 11:36
有用过，小甲鱼视频里不是有用request来修改user-agent嘛。还有代理IP，都用过啊，没用啊。。。。

1. # -*- coding: utf-8 -*-
   
2. import requests
   
3. from lxml import etree
   
4. 
   
5. url = 'http://jandan.net/'
   
6. s = requests.session()
   
7. s.headers.update({'User-Agent': 'Mozilla/5.0 (Windows NT 5.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/43.0.2357.81 Safari/537.36'})
   
8. html = s.get(url).content
   
9. selector = etree.HTML(html)
   
10. titles = selector.xpath('//*[@id="content"]/div/div[2]/h2/a/text()')
    
11. for title in titles:
    
12.     print title

复制代码

这是我刚写的代码，简单地抓取每个标题。

249018563

import urllib.request
import os
import random

def url_open(url):
    data=None
#'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/31.0.1650.63 Safari/537.36'#
    headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/31.0.1650.63 Safari/537.36'}
    req = urllib.request.Request(url,data,headers)
    #proxies = ['117.177.243.43:8086']
    #proxy = random.choice(proxies)
#'124.93.222.95:8080'
    #proxy_support = urllib.request.ProxyHandler({"http":proxy})
    #opener = urllib.request.build_opener(proxy_support)
    #urllib.request.install_opener(opener)
    response = urllib.request.urlopen(req)
    html = response.read()

    return html
                              
                              
def get_page(url):
    html = url_open(url).decode('utf-8')
   

    a = html.find('current-comment-page') + 23
    b = html.find(']',a)

    return html[a:b]



def find_imgs(url):
    html = url_open(url).decode('utf-8')
    img_addrs = []
    a = html.find('img src=')
    while a != -1:
        b = html.find('.jpg',a,a+255)
        if b != -1:
            img_addrs.append(html[a+9:b+4])
        else:
             b = a+9                  
        a = html.find('img src',b)
    return img_addrs
                              
         

def save_imgs(folder,img_addrs):
    for each in img_addrs:
        filename = each.split('/')[-1]
        with open(filename,'wb') as f:
            img =url_open(each)
            f.write(img)

def download_mm(floder='煎蛋网爬虫',pages=10):
    os.mkdir(floder)
    os.chdir(floder)

    url ="http://jandan.net/ooxx/"
    page_num = int(get_page(url))

    for i in range(pages):
        page_num -= i
        page_url = url + 'page-' + str(page_num) +'#comments'
        img_addrs = find_imgs(page_url)
        save_imgs(floder,img_addrs)

if __name__ == '__main__':
   download_mm()     
        

249018563

刚刚侧试过 没问题~

249018563

def url_open(url):
    data=None
#'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/31.0.1650.63 Safari/537.36'#
    headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/31.0.1650.63 Safari/537.36'}
    req = urllib.request.Request(url,data,headers)
    #proxies = ['117.177.243.43:8086']
    #proxy = random.choice(proxies)
#'124.93.222.95:8080'
    #proxy_support = urllib.request.ProxyHandler({"http":proxy})
    #opener = urllib.request.build_opener(proxy_support)
    #urllib.request.install_opener(opener)
    response = urllib.request.urlopen(req)
    html = response.read()

    return html
这是重点的修改部分 req = urllib.request.Request(url,data,headers)括号里这个三个参数都要有data=NONE可以没有，如果不写这些参数，让PYTHON默认的话，网站会查出来是你用PYTHON在爬虫，就禁止你爬了

Gordonzf

学习

xuff

回复赚鱼币，抱歉，为了作业~

旋转风

我是来学习的，看看大牛的精彩解答

dps521

:smile:smile:smile:smile:smile