一把大香菜 发表于 2020-8-9 17:12:08

求大佬帮助

import urllib.request
import os



def url_open(url):
    req = urllib.request.Request(url)
    req.add_header('User-Agent','Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36')
    response = urllib.request.urlopen(url)
    html = response.read()

    print(url)

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

   
    a = html.find('current-comment-page') + 23
    b = html.find(']',a)

    print(html)

    return html
   
def find_imgs(url):
    url_open(url).decode('stf-8')
    img_addrs = []

    a = html.find('img style=')
    while a != -1:
      b = html.find('.jpg',a,a+255)
      if b != -1:
            img_addrs.append(html)
      else:
            b = a + 9


      a = html.find('img style=',b)

    for each in img_addrs:
      print(each)



   
def save_imgs(folder,img_addrs):
    pass
   
   
   
def download_mm(floder='OOXX',pages=10):
    os.mkdir(floder)
    os.chdir(floder)
   
    url = 'http://jandan.net/ooxx/'
    page_num =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)
      
      
if __name__ == '__main__':
    download_mm()





urllib.error.HTTPError: HTTP Error 403: Forbidden代码报这个错误是什么意思啊，是无法访问吗？

1q23w31 发表于 2020-8-9 20:34:33

403一般代表服务器拒绝你的访问，也就是你被反爬拦截了
有关具体解释请看
https://man.ilovefishc.com/pageHTML5/HTTP.html

海皇 发表于 2020-8-11 11:48:02

爬虫有风险，如果你一次性爬取大量的图片，对方会知道会直接静止你IP访问该网站。要么你就是调时间每几秒爬取一张图片或者去搜索其他IP进行访问

陈尚涵 发表于 2020-8-11 15:54:03

海皇 发表于 2020-8-11 11:48
爬虫有风险，如果你一次性爬取大量的图片，对方会知道会直接静止你IP访问该网站。要么你就是调时间每几秒爬 ...

IP代理了解一下~
页: [1]
查看完整版本: 求大佬帮助