自己在爬取网页时常遇到的一些错误

1.urllib2.HTTPError: HTTP Error 403:Forbidden

需要在爬取时伪装浏览器头

headers= {'User-Agent':'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6'}

加上这段后执行程序,又报了第二个错误。

2.must be string or buffer, not dict

查了资料,缺少参数rq_body

先定义rq_body = ''

html = urllib2.Request('http://blog.csdn.net/xingjiarong',rq_body,headers)

再次执行,成功。

你可能感兴趣的:(自己在爬取网页时常遇到的一些错误)