Question

从熊猫0.19.2开始，可以向函数read_csv()传递URL。例如，参见此answer：

import pandas as pd

url="https://raw.githubusercontent.com/cs109/2014_data/master/countries.csv"
c=pd.read_csv(url)

我要使用的URL是：https://moz.com/top500/domains/csv

使用上面的代码，该URL返回错误：

urllib2.HTTPError: HTTP Error 403: Forbidden

基于this post，我可以通过传递请求标头来获得有效的响应：

import urllib2,cookielib

site= "https://moz.com/top500/domains/csv"
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)

是否可以使用Pandas read_csv()的Web URL功能，还可以传递请求标头以使请求通过？

Answer 1

我建议您将requests和io库用于任务。以下代码可以完成这项工作：

import pandas as pd
import requests
from io import StringIO

url = "https://moz.com:443/top500/domains/csv"
headers = {"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.14; rv:66.0) Gecko/20100101 Firefox/66.0"}
req = requests.get(url, headers=headers)
data = StringIO(req.text)

df = pd.read_csv(data)
print(df)

（如果要添加自定义标头，只需修改headers变量）

希望这会有所帮助

网址中的熊猫read_csv并包含请求标头

1 个答案: