使用 python urllib 从 url 下载图像但收到 HTTP 错误 403: Forbidden答案

【问题标题】：download image from url using python urllib but receiving HTTP Error 403: Forbidden使用 python urllib 从 url 下载图像但收到 HTTP 错误 403: Forbidden
【发布时间】：2020-06-22 19:57:05
【问题描述】：

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 错误 403 : 禁止”。后一种情况可能是什么问题以及如何解决？

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)

在错误信息的最后说：

... 
HTTPError: HTTP Error 403: Forbidden

但是，它适用于其他网站

# 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)

我已经尝试了下面帖子中的解决方案，但它们都不适用于 mangadoom.co。

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

也欢迎非 python 解决方案。您的建议将不胜感激。

【问题讨论】：

urllib2.HTTPError: HTTP Error 403: Forbidden的可能重复
该网站限制下载，因此您会收到来自该网站的 403 错误响应。

标签： image python-3.x url download urllib

【解决方案1】：

该网站正在阻止 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，代码变为（来自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)

请注意，该网站似乎不禁止requests user-agent。但是如果需要修改很容易：

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

也相关：changing user-agent in urllib

【讨论】：

【解决方案2】：

您可以构建一个开瓶器。示例如下：

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，下面的代码是一样的：

（非开瓶器）

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

（开瓶器构建）

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

但是，我们在使用时无法添加标题：

urllib.request.urlretrieve()

所以在这种情况下，我们必须构建一个开瓶器。

【讨论】：

【解决方案3】：

我用终端中的 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，它也可以。

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))

【讨论】：