所以,我创建了一个Django网站,用于网页废料新闻网页上的文章.. 即使我使用机械化,我仍然告诉我:
HTTP Error 403: request disallowed by robots.txt
我尝试了一切,看看我的代码(只是要废弃的部分):
br = mechanize.Browser()
page = br.open(web)
br.set_handle_robots(False)
br.set_handle_equiv(False)
br.addheaders = [('User-agent', 'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.1) Gecko/2008071615 Fedora/3.0.1-1.fc9 Firefox/3.0.1')]
#BeautifulSoup
htmlcontent = page.read()
soup = BeautifulSoup(htmlcontent)
我也试过在set_hande_robots(Flase)等之前使用de br.open。它也没用。
有什么方法可以通过这些网站吗?
答案 0 :(得分:4)
您在br.set_handle_robots(False)
br.open()
应该是:
br = mechanize.Browser()
br.set_handle_robots(False)
br.set_handle_equiv(False)
br.addheaders = [('User-agent', 'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.1) Gecko/2008071615 Fedora/3.0.1-1.fc9 Firefox/3.0.1')]
page = br.open(web)
htmlcontent = page.read()
soup = BeautifulSoup(htmlcontent)