使用 python urllib 从 url 下载图像但收到 HTTP 错误 403: Forbidden

Question

我想使用 python 模块“urllib.request”从 url 下载图像文件，该模块适用于某些网站（例如 mangastream.com），但不适用于另一个网站（mangadoom.co）接收错误“HTTP Error 403: Forbidden” ”。后一种情况可能存在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)

错误消息末尾写着：

... 
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)

我已经尝试了下面帖子中的解决方案，但它们都不适用于 mangadoom.co。

通过urllib和python下载图片

如何在Python中复制远程图像？

这里的解决方案也不适合，因为我的情况是下载图像。 urllib2.HTTPError：HTTP 错误 403：禁止

也欢迎非 python 解决方案。我们将非常感谢您的建议。

Answer 1

该网站阻止了 urllib 使用的用户代理，因此您需要在请求中更改它。不幸的是，我认为

urlretrieve

不直接支持这一点。

我建议使用漂亮的

requests

库，代码变成（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，该网站似乎并不禁止

requests

用户代理。但如果需要修改也很容易:

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

也相关：更改 urllib 中的用户代理

Answer 2

您可以构建一个开场白。这是例子：

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)

顺便说一下，下面的代码是一样的：

（无开瓶器）

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

（开场已建成）

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

但是，我们在使用时无法添加标题：

urllib.request.urlretrieve()

所以在这种情况下，我们必须构建一个开场白。

Answer 3

我在终端中尝试使用 wget 和 url，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，它也有效。

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