由于学了爬煎蛋网，试着借鉴了其他大佬的代码，搞了个爬妹子图的爬虫。
import urllib.requestimport os
def url_open(url):
req = urllib.request.Request(url)
req.add_header('User-Agent','Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36')
req.add_header('Referer','http://wwww.mzitu.com')#设置请求头，不加爬下来的都是防盗图
response = urllib.request.urlopen(req)
html = response.read()
return html
def get_page(url):
html = url_open(url).decode('utf-8')
a = html.find('page-numbers current')+22
b = html.find('<',a)
return html
def find_imgs(url):
html= url_open(url).decode('utf-8')
img_addrs = []
a = html.find('data-original=')
while a !=-1:#查到img src=
b = html.find('.jpg',a,a+255)#限定查找范围
if b!= -1:#查到结尾就合成图片地址
img_addrs.append(html)
else:#查不到img-hash就推后10位重新查找
b = a+15#避免无限循环
a = html.find('data-original=',b)
return img_addrs
#保存图片
def save_imgs(folder,img_addrs):
for each in img_addrs:
filename = each.split('/')[-1]#取最后一个部分
with open(filename, 'wb') as f:#打开图片，二进制码
img = url_open(each)
f.write(img)
def download_mm(folder='meizitu',pages=10):#下载页数设置
if os.path.exists(folder)==False: #判断有无meizitu文件夹
os.mkdir(folder)#创建一个文件夹
os.chdir(folder)#切换文件夹到folder
url = 'https://www.mzitu.com/'
#获取页码
page_num = int(get_page(url))
for i in range(pages):
page_num += i#换下一页
page_url = url +'page/'+str(page_num)+'/'
img_addrs = find_imgs(page_url)
save_imgs(folder,img_addrs)
print(page_url)
if __name__ =='__main__':
download_mm()
从来都是访问被拒绝，第一次成功运行{:10_297:} 666,妙啊 喵喵喵 我就喜欢这个敢于实践的小伙子
{:10_256:}{:10_256:} 本帖最后由 pyleng 于 2020-11-11 23:29 编辑
urllib.error.URLError: <urlopen error 远程主机强迫关闭了一个现有的连接。>
改一下延迟可以了
response=urllib.request.urlopen(req, timeout=30) 想问一下老哥，那个html = url_open(url).decode('utf-8')
a = html.find('page-numbers current')+22
b = html.find('<',a)
return html
自己看网页源代码的时候发现没有这个page-number而且最后出来有上一页下一页导致后面int()不行，会报错，咋办
页:
[1]