使用python urllib从url下载图像，但接收HTTP错误403:禁止

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（mangadoom.co）接收错误“HTTP error 403:Forbidden”。后一种情况可能有什么问题，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

不过，它也适用于其他网站

# 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)

我已经尝试了下面的解决方案，但是没有一个在mangadoom.co上工作

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合，因为我的情况是下载图像。 urllib2.HTTPError: HTTP Error 403: Forbidden

也欢迎使用非python解决方案。非常感谢你的建议。

Answer 1

此网站正在阻止urllib使用的用户代理，因此您需要在请求中更改它。不幸的是，我不认为urlretrieve直接支持这一点。

我建议使用漂亮的requests库，代码变成（从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)

注意，这个网站似乎并不禁止requests用户代理。但如果需要修改，则很容易：

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

同样相关：changing user-agent in urllib

Answer 2

你可以做一个开场白。下面是一个例子：

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，以下代码是相同的：

（无开瓶器）

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

（开瓶器建成）

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

但是，我们无法在使用以下命令时添加标题：

urllib.request.urlretrieve()

所以在这种情况下，我们必须建立一个开场白。

Answer 3

我在终端中使用url尝试wget，它可以工作：

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，它也能工作。

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))