4

私はグーグル画像を介して画像を取得するための小さなPythonスクリプトを書いています。必要な画像のURLが便利なリストに含まれるようになりました。今、私はそれらをつかむ必要があります...

画像のURLごとにこれを行います：

    print("Retrieving:{0}".format(sFinalImageURL))
    sExt = sFinalImageURL.split('.')[-1]
    #u = urllib.request.urlopen(sFinalImageURL)
    try:
        u = urllib.request.urlopen(sFinalImageURL)
    except:
        print("error: cannot retrieve image")
        continue
    raw_data = u.read()
    print("read {0} bytes".format(len(raw_data)))
    u.close()
    global sImagesFolder
    try:
        f = open("{0}/{1}_{2}.{3}".format(sImagesFolder,sImage,i,sExt),'wb')
        f.write(raw_data)
        f.close()
    except:
        print("couldn't write to {0}/{1}_{2}.{3}".format(sImagesFolder,sImage,i,sExt))
    print()

これが私が直面している問題です：

URLをいくつか開こうとすると、ブラウザでURLを直接開くことができますが、403が表示されます。それで、HTTPリクエストヘッダーに画像サーバーが気に入らないものがあります...何かアイデアはありますか？

出力の一部を次に示します。

Retrieving:http://upload.wikimedia.org/wikipedia/commons/thumb/4/43/Timba%2B1.jpg/220px-Timba%2B1.jpg

error: cannot retrieve image

Retrieving:http://upload.wikimedia.org/wikipedia/commons/thumb/2/26/YellowLabradorLooking_new.jpg/260px-YellowLabradorLooking_new.jpg

error: cannot retrieve image
Retrieving:http://1.bp.blogspot.com/-7SsJ1n3RdoA/Tf07NOgD5nI/AAAAAAAAABo/tl8qLLIU01Y/s1600/english-shepherd-dog-0003.jpg

read 11123 bytes

Retrieving:http://completedogfood.net/wp-content/uploads/2010/07/complete-dog-food.bmp
read 419630 bytes
4

1 に答える 1

7

ウィキペディアは実際のブラウザへのアクセスのみを許可しているようです。Pythonはデフォルトでのようなものを送信するため
、この問題は実際のブラウザの文字列を指定することで解決できます。User-AgenturllibPython-urllib/3.2

これが機能する例です（User-Agent私が使用するブラウザの文字列で）：

url = 'http://upload.wikimedia.org/wikipedia/commons/thumb/4/43/Timba%2B1.jpg/220px-Timba%2B1.jpg'
user_agent = 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/535.19 (KHTML, like Gecko) Ubuntu/12.04 Chromium/18.0.1025.168 Chrome/18.0.1025.168 Safari/535.19'
u = urllib.request.urlopen(urllib.request.Request(url, headers={'User-Agent': user_agent}))
于 2012-06-08T09:47:14.347 に答える