随着互联网的普及和发展，各种数据集中在互联网上，面对如此庞大的数据信息，如何进行采集、分析、归纳及分类呢，人工方法肯定不可取，效率太差。这时候Python爬虫开始展露头角，并且迅速成为最受欢迎的爬虫开发语言。

但是，在采集信息时我们经常会遇到一些问题，比如403禁止访问错误。遇到这个问题我们应该如何解决呢？

在Python写爬虫的时候，html.getcode()会遇到403禁止访问的问题，这是网站对自动化爬虫的禁止，要解决这个问题，需要用到Python的模块urllib2模块。urllib2模块是属于一个进阶的爬虫抓取模块，有非常多的方法，比方说连接url=http//blog.xxxx.net/qysh123。对于这个连接就有可能出现403禁止访问的问题，而解决这个问题，需要以下几步骤：

span style=font-size18pxreq = urllib2.Request(url) 

req.add_header(User-Agent,Mozilla/5.0 (Windows NT 6.3 WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36) 

req.add_header(GET,url) 

req.add_header(Host,blog.csdn.net) 

req.add_header(Referer,http//blog.xxxx.net/)/span 

其中User-Agent是浏览器特有的属性，通过浏览器查看源代码就可以查看到,然后

html=urllib2.urlopen(req)

print html.read()

就可以把网页代码全部下载下来，而没有了403禁止访问的问题。

其实对于这个问题，可以封装成函数，供以后调用方便使用，这里由于篇幅问题就不贴出全部代码了。其中，用到了random随机函数，自动获取已经写好的浏览器类型的User-Agent信息，在自定义函数中需要写出自己的Host,Referer,GET信息等，解决这几个问题，就可以顺利访问了，不再出现403访问的信息。

当然，如果访问频率过快的话，有些网站还是会过滤的，要解决这个问题，一是降低访问频率，但意味着效率下降，二是采用大量的代理IP，这是使用的比较多的方法。

精灵代理IP平台专业提供HTTP代理IP服务，有效地解决了爬虫工作受限制问题，HTTP代理IP的出现，使得爬虫工作效率更为高效，更为轻松，更为容易，有效地促进了大数据时代的进程和发展。