使用 python urllib 从 url 下载图像，但收到 HTTP 错误 403：禁止访问

Question

我想使用 python 模块 "urllib.request" 从 url 下载图像文件，它适用于某些网站（例如 mangastream.com），但不适用于另一个 (mangadoom.co) 接收错误 "HTTP Error 403: Forbidden"。后一种情况可能是什么问题以及如何解决？

我在 OSX 上使用 python3.4。

import urllib.request

# does not work
img_url = 'http://mangadoom.co/wp-content/manga/5170/886/005.png'
img_filename = 'my_img.png'
urllib.request.urlretrieve(img_url, img_filename)

在错误消息的末尾，它说：

... 
HTTPError: HTTP Error 403: Forbidden

但是，它适用于另一个网站

# work
img_url = 'http://img.mangastream.com/cdn/manga/51/3140/006.png'
img_filename = 'my_img.png'
urllib.request.urlretrieve(img_url, img_filename)

我已经尝试了下面 post 中的解决方案，但其中 none 适用于 mangadoom.co。

Downloading a picture via urllib and python

How do I copy a remote image in python?

这里的解决方案也不适用，因为我的情况是下载图片。

非python解决方案也欢迎。您的建议将不胜感激。

Answer 1

此网站阻止了 urllib 使用的 user-agent，因此您需要在请求中进行更改。不幸的是，我不认为 urlretrieve 直接支持这个。

建议使用漂亮的requests库，代码变为（来自here）：

import requests
import shutil

r = requests.get('http://mangadoom.co/wp-content/manga/5170/886/005.png', stream=True)
if r.status_code == 200:
    with open("img.png", 'wb') as f:
        r.raw.decode_content = True
        shutil.copyfileobj(r.raw, f)

请注意，本网站似乎没有禁止requestsuser-agent。但如果需要修改很容易:

r = requests.get('http://mangadoom.co/wp-content/manga/5170/886/005.png',
                 stream=True, headers={'User-agent': 'Mozilla/5.0'})

也相关：changing user-agent in urllib

Answer 2

我在终端中使用 url 尝试 wget，它有效：

wget -O out_005.png  http://mangadoom.co/wp-content/manga/5170/886/005.png

所以我的方法是使用下面的脚本，它也可以。

import os
out_image = 'out_005.png'
url = 'http://mangadoom.co/wp-content/manga/5170/886/005.png'
os.system("wget -O {0} {1}".format(out_image, url))

Answer 3

你可以建立一个开场白。这是示例：

import urllib.request

opener=urllib.request.build_opener()
opener.addheaders=[('User-Agent','Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/36.0.1941.0 Safari/537.36')]
urllib.request.install_opener(opener)

url=''
local=''
urllib.request.urlretrieve(url,local)

对了，下面的代码是一样的：

(none-opener)

req=urllib.request.Request(url,data,hdr)   
html=urllib.request.urlopen(req)

（开场白）

html=operate.open(url,data,timeout)

但是，我们在使用时无法添加header：

urllib.request.urlretrieve()

所以在这种情况下，我们必须构建一个开场白。

使用 python urllib 从 url 下载图像，但收到 HTTP 错误 403：禁止访问

download image from url using python urllib but receiving HTTP Error 403: Forbidden

image

python-3.x

url

download

urllib