Question

我试图通过代码获取页面的HTML：

WebRequest r = WebRequest.Create(szPageURL);
WebClient client = new WebClient();
try
{
    WebResponse resp = r.GetResponse();
    StreamReader sr = new StreamReader(resp.GetResponseStream());
    szHTML = sr.ReadToEnd();
}

当我使用www.microsoft.com，www.google.com或www.nasa.gov等网址时，此代码可以使用。但是，当我输入www.epa.gov（在URL参数中使用＆＃39; http＆＃39;或＆＃39; https＆＃39;）时，执行r.GetResponse（）时会出现403异常。然而，我可以轻松地在浏览器中手动获取页面。我得到的例外是403（禁止），异常状态成员说＆＃34; ProtocolError＆＃34;。那是什么意思？为什么我在实际可用的页面上获取此信息？有人有主意吗？谢谢！

顺便说一句 - 我也试过这种方式：

string downloadString = client.DownloadString(szPageURL);

完全相同的异常。

Answer 1

尝试此代码，它可以工作：

string Url = "https://www.epa.gov/";
CookieContainer cookieJar = new CookieContainer();
HttpWebRequest request = (HttpWebRequest)WebRequest.Create(Url);
request.CookieContainer = cookieJar;
request.Accept = @"text/html, application/xhtml+xml, */*";
request.Referer = @"https://www.epa.gov/";
request.Headers.Add("Accept-Language", "en-GB");
request.UserAgent = @"Mozilla/5.0 (compatible; MSIE 10.0; Windows NT 6.2; Trident/6.0)";
request.Host = @"www.epa.gov";
HttpWebResponse response = (HttpWebResponse)request.GetResponse();
String htmlString;
using (var reader = new StreamReader(response.GetResponseStream()))
{
htmlString = reader.ReadToEnd();
}

获取403 Exception以编程方式获取网页，即使网页可通过浏览器获得

1 个答案: