无法通过 wget e 或脚本访问 url

Question

大家好！我想通过 python 脚本访问一些网页。网址为：http://www.idealo.de/preisvergleich/Shop/27039.html

当我通过网络浏览器访问它时，一切正常。但是当我想用 urllib2 访问它时：

a = urllib2.urlopen("http://www.idealo.de/preisvergleich/Shop/27039.html")

它给了我以下错误：

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python2.7/urllib2.py", line 126, in urlopen
    return _opener.open(url, data, timeout)
  File "/usr/lib/python2.7/urllib2.py", line 406, in open
    response = meth(req, response)
  File "/usr/lib/python2.7/urllib2.py", line 519, in http_response
    'http', request, response, code, msg, hdrs)
  File "/usr/lib/python2.7/urllib2.py", line 444, in error
    return self._call_chain(*args)
  File "/usr/lib/python2.7/urllib2.py", line 378, in _call_chain
    result = func(*args)
  File "/usr/lib/python2.7/urllib2.py", line 527, in http_error_default
    raise HTTPError(req.get_full_url(), code, msg, hdrs, fp)
urllib2.HTTPError: HTTP Error 403: Forbidden

我也尝试使用 wget 访问它：

wget http://www.idealo.de/preisvergleich/Shop/27039.html

错误是：

--2012-04-23 12:42:03--  http://www.idealo.de/preisvergleich/Shop/27039.html
Resolving www.idealo.de (www.idealo.de)... 62.146.49.133
Connecting to www.idealo.de (www.idealo.de)|62.146.49.133|:80... connected.
HTTP request sent, awaiting response... 403 Forbidden
2012-04-23 12:42:03 ERROR 403: Forbidden.

谁能解释为什么会这样？以及如何使用 python 访问它？

Answer 1

他们正在阻止一些用户代理。如果您尝试以下操作：

wget -U "Mozilla/5.0" http://www.idealo.de/preisvergleich/Shop/27039.html

它有效。所以你必须想办法在你的 python 代码中伪造用户代理才能让它工作。

试试这个：

import urllib2
opener = urllib2.build_opener()
opener.addheaders = [('User-agent', 'Mozilla/5.0')]
a = opener.open("http://www.idealo.de/preisvergleich/Shop/27039.html")