python - Pandas 从 URL 读取_csv 并包含请求标头
问题描述
从 Pandas 0.19.2 开始,函数read_csv()可以传递一个 URL。例如,从这个答案中看到:
import pandas as pd
url="https://raw.githubusercontent.com/cs109/2014_data/master/countries.csv"
c=pd.read_csv(url)
我想使用的网址是:https ://moz.com/top500/domains/csv
使用上面的代码,这个 URL 返回一个错误:
urllib2.HTTPError: HTTP Error 403: Forbidden
基于这篇文章,我可以通过传递请求标头来获得有效的响应:
import urllib2,cookielib
site= "https://moz.com/top500/domains/csv"
hdr = {'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64 Safari/537.11',
'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
'Accept-Charset': 'ISO-8859-1,utf-8;q=0.7,*;q=0.3',
'Accept-Encoding': 'none',
'Accept-Language': 'en-US,en;q=0.8',
'Connection': 'keep-alive'}
req = urllib2.Request(site, headers=hdr)
try:
page = urllib2.urlopen(req)
except urllib2.HTTPError, e:
print (e.fp.read())
content = page.read()
print (content)
有什么方法可以使用 Pandas 的 web URL 功能read_csv()
,而且还传递一个请求标头以使请求通过?
解决方案
我建议您使用requests和io库来完成您的任务。以下代码应该可以完成这项工作:
import pandas as pd
import requests
from io import StringIO
url = "https://moz.com:443/top500/domains/csv"
headers = {"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.14; rv:66.0) Gecko/20100101 Firefox/66.0"}
req = requests.get(url, headers=headers)
data = StringIO(req.text)
df = pd.read_csv(data)
print(df)
(如果要添加自定义标头只需修改headers
变量)
希望这可以帮助
推荐阅读
- python - 用漂亮的汤在特定文本之后获取文本
- java - 谁能解释第一个输出?(java运算符)
- browser - 无法在 Unity Webgl 中加载大型 3D obj 文件
- react-native - 如何在 React Native 中删除导入图像的背景?
- javascript - 替换方括号JS之间的三个点
- html - 随着屏幕大小的变化,需要帮助调整 iframe 的大小
- php - Api 平台非规范化自定义操作与关系
- flutter - ListTile 与 wrap_content 宽度
- salesforce-cli - Visual Studio Code(vsc) sfdx 命令继续运行
- scheme - 在过程中定义一个变量