ChatGPT解决这个技术问题 Extra ChatGPT

urllib2.HTTPError:HTTP 错误 403:禁止

我正在尝试使用 python 自动下载历史股票数据。我尝试打开的 URL 以 CSV 文件响应,但我无法使用 urllib2 打开。我曾尝试按照前面几个问题中的说明更改用户代理,我什至尝试接受响应 cookie,但没有成功。你能帮忙吗?

注意:同样的方法适用于 yahoo Finance。

代码:

import urllib2,cookielib

site= "http://www.nseindia.com/live_market/dynaContent/live_watch/get_quote/getHistoricalData.jsp?symbol=JPASSOCIAT&fromDate=1-JAN-2012&toDate=1-AUG-2012&datePeriod=unselected&hiddDwnld=true"

hdr = {'User-Agent':'Mozilla/5.0'}

req = urllib2.Request(site,headers=hdr)

page = urllib2.urlopen(req)

错误

文件“C:\Python27\lib\urllib2.py”,第 527 行,在 http_error_default 中引发 HTTPError(req.get_full_url(), code, msg, hdrs, fp) urllib2.HTTPError: HTTP Error 403: Forbidden

感谢你的协助

你用windows作为平台吗?

a
andrean

通过添加更多标题,我能够获取数据:

import urllib2,cookielib

site= "http://www.nseindia.com/live_market/dynaContent/live_watch/get_quote/getHistoricalData.jsp?symbol=JPASSOCIAT&fromDate=1-JAN-2012&toDate=1-AUG-2012&datePeriod=unselected&hiddDwnld=true"
hdr = {'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64 Safari/537.11',
       'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
       'Accept-Charset': 'ISO-8859-1,utf-8;q=0.7,*;q=0.3',
       'Accept-Encoding': 'none',
       'Accept-Language': 'en-US,en;q=0.8',
       'Connection': 'keep-alive'}

req = urllib2.Request(site, headers=hdr)

try:
    page = urllib2.urlopen(req)
except urllib2.HTTPError, e:
    print e.fp.read()

content = page.read()
print content

实际上,它只适用于这个额外的标题:

'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',

您认为原始请求中缺少哪些标头?
wireshark 显示只发送了用户代理,以及连接:关闭,主机:www.nseindia.com,接受编码:身份
不客气,我真正做的是我在浏览器中检查了脚本中的 url,当它在那里工作时,我只是复制了浏览器发送的所有请求标头,并将它们添加到这里,这就是解决方案。
@Mee 你看过下面的答案了吗?它是专门为 python 3 解决的,检查它是否适合你......
尝试将其他标题(来自我的回答)也添加到请求中。服务器可能返回 403 的原因还有很多,请查看有关该主题的其他答案。至于目标,尤其是google 是一个难爬的,有点难抓取,他们已经实施了很多方法来防止抓取。
E
Eish

这将适用于 Python 3

import urllib.request

user_agent = 'Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.9.0.7) Gecko/2009021910 Firefox/3.0.7'

url = "http://en.wikipedia.org/wiki/List_of_TCP_and_UDP_port_numbers"
headers={'User-Agent':user_agent,} 

request=urllib.request.Request(url,None,headers) #The assembled request
response = urllib.request.urlopen(request)
data = response.read() # The data u need

确实,某些网站(包括 Wikipedia)会阻止常见的非浏览器用户代理字符串,例如 Python 库发送的“Python-urllib/xy”。即使是普通的“Mozilla”或“Opera”通常也足以绕过它。当然,这不适用于原始问题,但知道它仍然很有用。
S
Supreet Sethi

NSE 网站已更改,旧脚本对当前网站来说是半最佳的。此代码段可以收集安全的日常详细信息。详细信息包括代码、证券类型、前一收盘价、开盘价、最高价、最低价、平均价格、交易量、成交量、交易数量、交付数量以及交付与交易的百分比。这些方便地呈现为字典形式的列表。

带有请求和 BeautifulSoup 的 Python 3.X 版本

from requests import get
from csv import DictReader
from bs4 import BeautifulSoup as Soup
from datetime import date
from io import StringIO 

SECURITY_NAME="3MINDIA" # Change this to get quote for another stock
START_DATE= date(2017, 1, 1) # Start date of stock quote data DD-MM-YYYY
END_DATE= date(2017, 9, 14)  # End date of stock quote data DD-MM-YYYY


BASE_URL = "https://www.nseindia.com/products/dynaContent/common/productsSymbolMapping.jsp?symbol={security}&segmentLink=3&symbolCount=1&series=ALL&dateRange=+&fromDate={start_date}&toDate={end_date}&dataType=PRICEVOLUMEDELIVERABLE"




def getquote(symbol, start, end):
    start = start.strftime("%-d-%-m-%Y")
    end = end.strftime("%-d-%-m-%Y")

    hdr = {'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64 Safari/537.11',
         'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
         'Referer': 'https://cssspritegenerator.com',
         'Accept-Charset': 'ISO-8859-1,utf-8;q=0.7,*;q=0.3',
         'Accept-Encoding': 'none',
         'Accept-Language': 'en-US,en;q=0.8',
         'Connection': 'keep-alive'}

    url = BASE_URL.format(security=symbol, start_date=start, end_date=end)
    d = get(url, headers=hdr)
    soup = Soup(d.content, 'html.parser')
    payload = soup.find('div', {'id': 'csvContentDiv'}).text.replace(':', '\n')
    csv = DictReader(StringIO(payload))
    for row in csv:
        print({k:v.strip() for k, v in row.items()})


 if __name__ == '__main__':
     getquote(SECURITY_NAME, START_DATE, END_DATE)

除此之外,这是相对模块化的并且可以立即使用的代码片段。


谢啦!这对我有用,而不是来自@andrean 的上述答案
嗨,我真的不知道在哪里敲我的头了,我已经尝试过这个解决方案等等,但我一直收到错误 403。还有什么我可以尝试的吗?
403 状态是为了通知您的浏览器未通过身份验证来使用此服务。在您的情况下,它可能确实需要使用基本身份验证、oauth 等进行身份验证。
a
archit jain

当您请求的服务器不知道请求来自哪里时,通常会发生此错误,服务器这样做是为了避免任何不必要的访问。您可以通过定义标头并将其沿 urllib.request 传递来绕过此错误

继承人代码:

#defining header
header= {'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) ' 
      'AppleWebKit/537.11 (KHTML, like Gecko) '
      'Chrome/23.0.1271.64 Safari/537.11',
      'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
      'Accept-Charset': 'ISO-8859-1,utf-8;q=0.7,*;q=0.3',
      'Accept-Encoding': 'none',
      'Accept-Language': 'en-US,en;q=0.8',
      'Connection': 'keep-alive'}

#the URL where you are requesting at
req = urllib.request.Request(url=your_url, headers=header) 
page = urllib.request.urlopen(req).read()

Y
Yoshi Wannabe

值得尝试的一件事就是更新 python 版本。几个月前,我的一个爬虫脚本停止在 Windows 10 上使用 403。任何 user_agents 都没有帮助,我正要放弃脚本。今天我在 Ubuntu 上使用 Python(3.8.5 - 64 位)尝试了相同的脚本,并且没有错误。 Windows 的 python 版本有点旧,如 3.6.2 - 32 位。将 Windows 10 上的 python 升级到 3.9.5 - 64bit 后,我不再看到 403。如果你试一试,别忘了运行“pip freeze > requirements.txt”来导出包条目。我当然忘记了。这篇文章也是对我的提醒,当403将来再次出现时。


R
Rochan
import urllib.request

bank_pdf_list = ["https://www.hdfcbank.com/content/bbp/repositories/723fb80a-2dde-42a3-9793-7ae1be57c87f/?path=/Personal/Home/content/rates.pdf",
"https://www.yesbank.in/pdf/forexcardratesenglish_pdf",
"https://www.sbi.co.in/documents/16012/1400784/FOREX_CARD_RATES.pdf"]


def get_pdf(url):
    user_agent = 'Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.9.0.7) Gecko/2009021910 Firefox/3.0.7'
    
    #url = "https://www.yesbank.in/pdf/forexcardratesenglish_pdf"
    headers={'User-Agent':user_agent,} 
    
    request=urllib.request.Request(url,None,headers) #The assembled request
    response = urllib.request.urlopen(request)
    #print(response.text)
    data = response.read()
#    print(type(data))
    
    name = url.split("www.")[-1].split("//")[-1].split(".")[0]+"_FOREX_CARD_RATES.pdf"
    f = open(name, 'wb')
    f.write(data)
    f.close()
    

for bank_url in bank_pdf_list:
    try: 
        get_pdf(bank_url)
    except:
        pass