Tony_C 发表于 2018-1-7 23:15:05

python课程56，爬虫失败，求大大们看看问题！

import urllib.request
import os

def url_open(url):
    req = urllib.request.Request(url)
    req.add_header('User-Agent','Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36')
    response = urllib.request.urlopen(req)
    html = response.read()#先不解码

    return html

def get_page(url):
    html = url_open(url).decode('utf-8')

    a = html.find("current-comment-page") + 23#偏移23
    b = html.find(']',a)    #从a开始找
    print(html)
    return html

def find_imgs(url):
    html = url_open(url).decode('utf-8')
    img_addrs = []
   
    a = html.find('img src=')

    #抓取多张图片
    while a != -1:
      b = html.find('.jpg',a,a+255)   #限定范围a+255，不然遇到gif就会一直找下去

      #如果没找到b会返回-1
      if b != -1:
            img_addrs.append(html)
      else:
            b = a + 9

      a = html.find('img src=',b) #每次从结束位置b开始找

    return img_addrs

def save_imgs(folder,img_addrs):
    for each in img_addrs:
      filename = each.split('/')[-1]
      with open(filename,'wb') as f:
            img = url_open(each)
            f.write(img)

def download_mm(folder='mm',pages=10):
    os.mkdir(folder)    #新建文件夹
    os.chdir(folder)    #改变工作目录

    url = 'http://jandan.net/ooxx/'
    page_num = int(get_page(url))

    for i in range(pages):
      page_num -= i
      page_url = url + 'page-' + str(page_num) + '#comments'
      img_addrs = find_imgs(page_url)
      save_imgs(folder,img_addrs)

#测试
if __name__ == '__main__':
    download_mm()

Tony_C 发表于 2018-1-7 23:19:32

zwh7610fishc 发表于 2018-1-7 23:18
我刚开始学，你学了多久到这里了？

一个月吧

ド゛゜范 发表于 2018-1-7 23:22:25

{:10_249:}ooxx改了

x3269199 发表于 2018-1-8 00:28:07

简单网加了反爬机制了，他把图片的网址隐藏了，我一开始也是怎么都爬不了，然后换了网站就成功了。你可以选择一些比较好怕的，比如这个http://desk.zol.com.cn/fengjing/，今天下午刚成功。作为提升成就感还是不错的{:10_256:}

Tony_C 发表于 2018-1-8 10:48:11

x3269199 发表于 2018-1-8 00:28
简单网加了反爬机制了，他把图片的网址隐藏了，我一开始也是怎么都爬不了，然后换了网站就成功了。你可以选 ...

请问您知不知道怎么算a+几 b+几 的偏移，小甲鱼好像没说怎么算

Tony_C 发表于 2018-1-8 20:20:30

x3269199 发表于 2018-1-8 00:28
简单网加了反爬机制了，他把图片的网址隐藏了，我一开始也是怎么都爬不了，然后换了网站就成功了。你可以选 ...

大神，能不能把你爬图片的代码借我看看，我不会写想学习一下

x3269199 发表于 2018-1-9 20:45:18

Tony_C 发表于 2018-1-8 20:20
大神，能不能把你爬图片的代码借我看看，我不会写想学习一下

可以啊哈哈，不过我不是大神，我也是小白{:10_279:}
我把爬虫的过程粗略写在了这里~你可以看下。CSDN的博客
http://blog.csdn.net/qq_33613122/article/details/78995223
页: [1]
查看完整版本: python课程56，爬虫失败，求大大们看看问题！