tiger吴 发表于 2020-7-11 07:51:02

关于爬虫


写出的爬虫爬到的图片是这样子的
怎么办import requests
import re
import time


def get_html(url):
    headers = {
      'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'
    }

    html=requests.get(url,headers=headers)


    return html


def get_img_list(html):
    html=html.text
    a = re.compile(r"<img class='lazy' src='.*?data-original='(.*?[.]jpg)'", re.S)
    img_list=re.findall(a,html)

    return img_list   

def main():
    print('欢迎使用爬虫')
    n=int(input('请输入需要保存保存图片的网页数：'))
    m=0
    for i in range(1,n+1):

      url = 'https://www.mzitu.com/japan/page/'+str(i)+'/'
      page_html = get_html(url)

      img_list = get_img_list(page_html)
      print(img_list)
      n=1+m
      for each_img_link in img_list:

            file_name='美眉/'+ str(n)+'.jpg'
            with open(file_name, 'wb') as f:
                img_html=get_html(each_img_link)
                print('开始保存')

                f.write(img_html.content)
                print('爬取成功')
                n+=1
                time.sleep(2)
      m+=1000


if __name__ == '__main__':
    main()

Twilight6 发表于 2020-7-11 08:01:20

本帖最后由 Twilight6 于 2020-7-11 08:03 编辑



headers 里面加上 'Referer': 'https://www.mzitu.com/'

import requests
import re
import time


def get_html(url):
    headers = {
      'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36',
      'Referer': 'https://www.mzitu.com/'
    }

    html=requests.get(url,headers=headers)


    return html


def get_img_list(html):
    html=html.text
    a = re.compile(r"<img class='lazy' src='.*?data-original='(.*?[.]jpg)'", re.S)
    img_list=re.findall(a,html)

    return img_list   

def main():
    print('欢迎使用爬虫')
    n=int(input('请输入需要保存保存图片的网页数：'))
    m=0
    for i in range(1,n+1):

      url = 'https://www.mzitu.com/japan/page/'+str(i)+'/'
      page_html = get_html(url)

      img_list = get_img_list(page_html)
      print(img_list)
      n=1+m
      for each_img_link in img_list:

            file_name='美眉'+ str(n)+'.jpg'
            with open(file_name, 'wb') as f:
                img_html=get_html(each_img_link)
                print('开始保存')

                f.write(img_html.content)
                print('爬取成功')
                n+=1
                time.sleep(2)
      m+=1000


if __name__ == '__main__':
    main()

小甲鱼的铁粉 发表于 2020-7-11 08:10:31

看一楼{:10_275:}

tiger吴 发表于 2020-7-11 11:03:16

Twilight6 发表于 2020-7-11 08:01
headers 里面加上 'Referer': 'https://www.mzitu.com/'

Referer的值就是填上一个页面的网址吗
页: [1]
查看完整版本: 关于爬虫