網頁抓取錯誤（HTTP 錯誤 403：禁止）

Question

我正在嘗試制作一個簡單的程序，它獲取網站上的所有圖像地址，然后將它們下載到一個文件夾中。 問題是我收到了 403 錯誤。 我一直試圖修復它一個多小時，迫切需要幫助。 這是我的代碼：

import urllib.request
import requests
from bs4 import BeautifulSoup



url = 'https://www.webtoons.com/en/slice-of-life/how-to-love/ep-100-happy-ending-last-episode/viewer?title_no=472&episode_no=100'
data = requests.get(url)
code = BeautifulSoup(data.text, 'html.parser')




photos = []

def dl_jpg(url, filePath, fileName):
    fullPath = filePath + fileName + '.jpg'
    urllib.request.urlretrieve(url, fullPath)

for img in code.find('div', id='_imageList'):
    pic = str(img)[43:147]
    photos.append(str(pic))

for photo in photos:
    if photo == '':
        photos.remove(photo)

for photo in photos[0:-4]:
    dl_jpg(photo, 'images/', 'img')

Answer 1

網站通常會阻止沒有用戶代理的請求。 我更新了您的代碼以隨請求一起發送用戶代理。 我還選擇只使用requests庫並urllib 。 雖然urllib確實支持更改的標頭，但您已經在使用requests而我對它更熟悉。

我還建議在請求之間添加延遲/睡眠，30-45 秒是一個很好的數量。 這將避免向網站發送垃圾郵件和創建拒絕服務。 如果您發送太多太快，某些網站也會阻止您的請求。

import requests
from bs4 import BeautifulSoup

user_agent = "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.88 Safari/537.37"
url = 'https://www.webtoons.com/en/slice-of-life/how-to-love/ep-100-happy-ending-last-episode/viewer?title_no=472&episode_no=100'
data = requests.get(url, headers={'User-Agent': user_agent})
code = BeautifulSoup(data.text, 'html.parser')

photos = []

def dl_jpg(url, filePath, fileName):
    fullPath = filePath + fileName + '.jpg'

    # make request with user-agent. If request is successful then save the result.
    image_request = requests.get(url, headers={'User-Agent': user_agent})
    if image_request.status_code == 200:
        with open(fullPath, 'wb') as f:
            f.write(image_request.content)

for img in code.find('div', id='_imageList'):
    pic = str(img)[43:147]
    photos.append(str(pic))

for photo in photos:
    if photo == '':
        photos.remove(photo)

for photo in photos[0:-4]:
    dl_jpg(photo, 'images/', 'img')