[Python-es] obtener codigo html de una pagina de internet

[P@vel]

El codigo de la pagina me da el siguiente error 

Traceback (most recent call last): 
File "prueba4.py", line 34, in <module> 
open_url_installed_opener() 
File "prueba4.py", line 26, in open_url_installed_opener 
urllib2.urlopen(uri) 
File "/usr/lib/python2.6/urllib2.py", line 126, in urlopen 
return _opener.open(url, data, timeout) 
File "/usr/lib/python2.6/urllib2.py", line 397, in open 
response = meth(req, response) 
File "/usr/lib/python2.6/urllib2.py", line 510, in http_response 
'http', request, response, code, msg, hdrs) 
File "/usr/lib/python2.6/urllib2.py", line 435, in error 
return self._call_chain(*args) 
File "/usr/lib/python2.6/urllib2.py", line 369, in _call_chain 
result = func(*args) 
File "/usr/lib/python2.6/urllib2.py", line 518, in http_error_default 
raise HTTPError(req.get_full_url(), code, msg, hdrs, fp) 
urllib2.HTTPError: HTTP Error 403: Forbidden 


On 1 March 2011 14:08, (P en vel) <pdlopez en uci.cu> wrote: 
> Este codigo me funciona para una pagina local, o que no requiera proxy. 
> 
> import urllib 
> f = urllib.urlopen("http://intranet.hlg.uci.cu") 
> data = f.read() 
> f.close() 
> print data 
> 
> 
> Pero como yo me conecto a internet mediante un proxy trate con esto 
> 
> import urllib 
> proxies = {'http': 'http://100.0.0.1:3128'} 
> f = urllib.urlopen("http://www.google.com",proxies=proxies) 
> data = f.read() 
> f.close() 
> print data 
> 
> y me da el siguiente error 
> raceback (most recent call last): 
> File "/home/pavel/workspace/spider/src/prueba3.py", line 6, in <module> 
> f = urllib.urlopen("http://www.google.com",proxies=proxies) 
> File "/usr/lib/python2.6/urllib.py", line 86, in urlopen 
> return opener.open(url) 
> File "/usr/lib/python2.6/urllib.py", line 205, in open 
> return getattr(self, name)(url) 
> File "/usr/lib/python2.6/urllib.py", line 360, in open_http 
> return self.http_error(url, fp, errcode, errmsg, headers) 
> File "/usr/lib/python2.6/urllib.py", line 373, in http_error 
> result = method(url, fp, errcode, errmsg, headers) 
> File "/usr/lib/python2.6/urllib.py", line 703, in http_error_407 
> errcode, errmsg, headers) 
> File "/usr/lib/python2.6/urllib.py", line 383, in http_error_default 
> raise IOError, ('http error', errcode, errmsg, headers) 
> IOError: ('http error', 407, 'Proxy Authentication Required', 
> <httplib.HTTPMessage instance at 0x93f4e6c>) 
> 

usa urllib2 con el cual puedes agregar autenticacion: 

http://www.wkoorts.com/wkblog/2008/10/27/python-proxy-client-connections-requiring-authentication-using-urllib2-proxyhandler/ 



-- 
http://blog.mbrenes.com 
Debian debian.org - The Universal Operating System. 

El individuo ha luchado siempre para no ser absorbido por la tribu. 
Si lo intentas, a menudo estarás solo, y a veces asustado. 
Pero ningún precio es demasiado alto por el privilegio de ser uno mismo 

- Friedrich Nietzsche. 
_______________________________________________ 
Python-es mailing list 
Python-es en python.org 
http://mail.python.org/mailman/listinfo/python-es 
FAQ: http://python-es-faq.wikidot.com/ 
------------ próxima parte ------------
Se ha borrado un adjunto en formato HTML...
URL: <http://mail.python.org/pipermail/python-es/attachments/20110301/7861ead1/attachment.html>