鱼C论坛

 找回密码
 立即注册
查看: 1693|回复: 5

[已解决]爬虫求助:为什么打不开豆瓣的网站?

[复制链接]
发表于 2020-9-5 08:47:47 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
import urllib.request
response = urllib.request.urlopen("http://www.douban.com")
Traceback (most recent call last):
  File "<pyshell#1>", line 1, in <module>
    response = urllib.request.urlopen("http://www.douban.com")
  File "D:\文件\Python38\lib\urllib\request.py", line 222, in urlopen
    return opener.open(url, data, timeout)
  File "D:\文件\Python38\lib\urllib\request.py", line 531, in open
    response = meth(req, response)
  File "D:\文件\Python38\lib\urllib\request.py", line 640, in http_response
    response = self.parent.error(
  File "D:\文件\Python38\lib\urllib\request.py", line 569, in error
    return self._call_chain(*args)
  File "D:\文件\Python38\lib\urllib\request.py", line 502, in _call_chain
    result = func(*args)
  File "D:\文件\Python38\lib\urllib\request.py", line 649, in http_error_default
    raise HTTPError(req.full_url, code, msg, hdrs, fp)
urllib.error.HTTPError: HTTP Error 418: 
最佳答案
2020-9-7 15:00:34
你可以试试这样
import requests

url = 'https://book.douban.com/'
response = requests.get(url)
print(response.text)
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

发表于 2020-9-7 14:59:00 | 显示全部楼层
已经不用urllib了,直接用requests库不是美滋滋,你试试,而且url也不对,豆瓣是https
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2020-9-7 15:00:34 | 显示全部楼层    本楼为最佳答案   
你可以试试这样
import requests

url = 'https://book.douban.com/'
response = requests.get(url)
print(response.text)
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2020-9-7 17:40:13 | 显示全部楼层
本帖最后由 疾风怪盗 于 2020-9-7 17:44 编辑

<Response [418]>
反爬了吧
用selenium试试吧
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2020-9-7 18:16:56 | 显示全部楼层
网站有反爬,用requests库加headers两三行代码就可以请求成功了。用urllib的话就比较麻烦,需要代码比较多,试试这个。
import urllib.request
headers = {}    # 自行添加headers
url = 'http://www.douban.com/'
re = urllib.request.Request(url=url, headers=headers)
html = urllib.request.urlopen(re)
print(html.read().decode())
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2020-9-7 18:36:32 | 显示全部楼层
本帖最后由 suchocolate 于 2020-9-7 19:28 编辑

得改ua,默认ua是python-urllib,豆瓣反扒。
from urllib import request

headers = {'user-agent': 'firefox'}
req = request.Request('http://www.douban.com', headers=headers)
r = request.urlopen(req)
print(r.read().decode('utf-8'))
这是不改ua的抓包。
1.png
这是改了ua的抓包:

                               
登录/注册后可看大图

想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2025-1-18 20:23

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表