鱼C论坛

 找回密码
 立即注册
查看: 2001|回复: 3

[已解决]关于爬虫的urllib.error.HTTPError: HTTP Error 418: 报错

[复制链接]
发表于 2021-6-18 22:53:42 | 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
在做爬虫第一课的练习时,题目要求爬豆瓣的首页内容
结果遇到了报错
Traceback (most recent call last):
  File "D:/python/works/test.py", line 11, in <module>
    html=urr.urlopen(ret).read()
  File "D:\python\lib\urllib\request.py", line 214, in urlopen
    return opener.open(url, data, timeout)
  File "D:\python\lib\urllib\request.py", line 523, in open
    response = meth(req, response)
  File "D:\python\lib\urllib\request.py", line 632, in http_response
    response = self.parent.error(
  File "D:\python\lib\urllib\request.py", line 561, in error
    return self._call_chain(*args)
  File "D:\python\lib\urllib\request.py", line 494, in _call_chain
    result = func(*args)
  File "D:\python\lib\urllib\request.py", line 641, in http_error_default
    raise HTTPError(req.full_url, code, msg, hdrs, fp)
urllib.error.HTTPError: HTTP Error 418: 
查了下网上,有人说加个headers里的User-Agent就可以模拟成浏览器访问
我加了之后却依然还是报错
之后我用了人家帖子里提供的User-Agent,成功爬虫。
然而问题是,我用我的浏览器访问豆瓣实际上是没有问题的。但是为什么爬虫时用我浏览器的User-Agent就不行呢?
是我写错了吗?

网上帖子提供的
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36'}

我自己写的
headers={'User=Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.101 Safari/537.36 Edg/91.0.864.48'}

程序全代码:
import urllib.request as urr
import chardet as char
with open('urls.txt') as urls:
    num=0
    for urllink in urls.readlines():
        print(urllink)
        num+=1
        #headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36'}
        headers={'User=Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.101 Safari/537.36 Edg/91.0.864.48'}
        ret=urr.Request(urllink,headers=headers)
        html=urr.urlopen(ret).read()
        urlcode=char.detect(html)['encoding']
        if urlcode=='GB2312':
            urlcode='GBK'
        html=html.decode(urlcode,'ignore')
        with open(f'url_{num}.txt','w',encoding=urlcode) as file:
            file.write(html)
最佳答案
2021-6-18 23:06:54
snipaste.png
...
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 2021-6-18 23:06:54 | 显示全部楼层    本楼为最佳答案   
snipaste.png
...
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

 楼主| 发表于 2021-6-18 23:20:13 | 显示全部楼层
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 2021-6-19 09:18:32 | 显示全部楼层
headers=之后的缩进也有坑,之前没注意过啊,留意下
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, 2025-1-15 06:30

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表