V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
推荐学习书目
Learn Python the Hard Way
Python Sites
PyPI - Python Package Index
http://diveintopython.org/toc/index.html
Pocoo
值得关注的项目
PyPy
Celery
Jinja2
Read the Docs
gevent
pyenv
virtualenv
Stackless Python
Beautiful Soup
结巴中文分词
Green Unicorn
Sentry
Shovel
Pyflakes
pytest
Python 编程
pep8 Checker
Styles
PEP 8
Google Python Style Guide
Code Style from The Hitchhiker's Guide
demomaster
V2EX  ›  Python

刚学爬虫,今天爬豆瓣相册被 403 了?

  •  
  •   demomaster · 2016-04-02 16:09:31 +08:00 · 3487 次点击
    这是一个创建于 3032 天前的主题,其中的信息可能已经有所发展或是发生改变。

    思路是先获取每一页相册中的图片的 url,再分别请求这些 url,然后在得到的 html 中筛选原图的 url,保存到本地.(对应在豆瓣里的操作就是点击缩略图,查看大图),第一步的 url 是都得到了,在第二步时只有前 5 个能返回 200,后面的都被 403 了.设置的延时是 5 秒,想不通.

    第 1 条附言  ·  2016-04-02 16:50:16 +08:00
    对了,是公开的相册.
    第 2 条附言  ·  2016-04-02 17:23:04 +08:00
    有哪位大大知道豆瓣的反爬虫机制是怎样的吗?
    myleon
        1
    myleon  
       2016-04-02 16:41:58 +08:00   ❤️ 1
    User Agent 设置了吗
    demomaster
        2
    demomaster  
    OP
       2016-04-02 16:48:03 +08:00
    @myleon 设置了
    skydiver
        3
    skydiver  
       2016-04-02 16:50:34 +08:00 via iPad   ❤️ 1
    referer 设置了么
    demomaster
        4
    demomaster  
    OP
       2016-04-02 17:12:54 +08:00
    @skydiver referer 没有,刚查了下,这个是要设成从哪里跳来这的那条 url 吗?
    demomaster
        5
    demomaster  
    OP
       2016-04-02 17:34:05 +08:00
    解决了,正则有问题(逃
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   871 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 34ms · UTC 22:03 · PVG 06:03 · LAX 15:03 · JFK 18:03
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.