在python寫爬蟲的時候，html.getcode()會遇到403禁止訪問的問題，這是網站對自動化爬蟲的禁止，要解決這個問題，需要用到python的模組urllib2模組

urllib2模組是屬於一個進階的爬蟲抓取模組，有非常多的方法

比方說連線url=http://blog.csdn.net/qysh123

對於這個連線就有可能出現403禁止訪問的問題

解決這個問題，需要以下幾步驟：

<span style="font-size:18px;">req = urllib2.Request(url)
req.add_header("User-Agent","Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36")
req.add_header("GET",url)
req.add_header("Host","blog.csdn.net")
req.add_header("Referer","http://blog.csdn.net/")</span>
 

然後html=urllib2.urlopen(req)

print html.read()

就可以把網頁程式碼全部下載下來，而沒有了403禁止訪問的問題。

對於以上問題，可以封裝成函式，供以後呼叫方便使用，具體程式碼：

#-*-coding:utf-8-*-

import urllib2
import random

url="http://blog.csdn.net/qysh123/article/details/44564943"

my_headers=["Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36",
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/35.0.1916.153 Safari/537.36",
"Mozilla/5.0 (Windows NT 6.1; WOW64; rv:30.0) Gecko/20100101 Firefox/30.0"
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.75.14 (KHTML, like Gecko) Version/7.0.3 Safari/537.75.14",
"Mozilla/5.0 (compatible; MSIE 10.0; Windows NT 6.2; Win64; x64; Trident/6.0)"
	
]
def get_content(url,headers):
	'''
	@獲取403禁止訪問的網頁
	'''
	randdom_header=random.choice(headers)

	req=urllib2.Request(url)
	req.add_header("User-Agent",randdom_header)
	req.add_header("Host","blog.csdn.net")
	req.add_header("Referer","http://blog.csdn.net/")
	req.add_header("GET",url)

	content=urllib2.urlopen(req).read()
	return content

print get_content(url,my_headers)

 

當然如果訪問頻率過快的話，有些網站還是會過濾的，解決這個需要用到代理IP的方法。。。具體的自己解決