kygschp 发表于 2021-7-19 17:33:24

爬虫爬不出图片

用小甲鱼教的方法去爬取图片,但是爬了半天什么图片都没有
代码是在不停的跑,但是就是跑不出东西
有没有大佬帮忙看下是哪里出了问题


import urllib
import os
import random

def open_url(url):
    head = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'}
    req = urllib.request.Request(url, head)
    response = urllib.request.urlopen(url)
   
    return response.read()


def find_imgs(url):
    html = open_url(url).decode('utf_8', 'ignore')
   
    img_addrs = []
    a = html.find('img src')+8
    while a != -1:
      b = html.find('.jpg', a, a+255)+4
      if b != -1:
            img_addr = 'https://pic.netbian.com'+html
            img_addrs.append(img_addr)
      else:
            b = a+9
      a = html.find('img src', b)+8
   
    return img_addrs


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


def download_mm(pages=10):
    os.mkdir(r'D:\python\mm')
    os.chdir(r'D:\python\mm')
    url = "https://pic.netbian.com/4kmeinv/"
    page_num = 1
   
    for i in range(pages):
      page_num += 1
      page_url = url+'index_'+str(page_num)+'.html'
      img_addrs = find_imgs(page_url)
      save_imgs(img_addrs)

if __name__ == '__main__':
    download_mm()

suchocolate 发表于 2021-7-20 13:21:50

3个问题吧:
1)req这么用:def open_url(url):
    headers = {
      'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) '
                      'Chrome/91.0.4472.124 Safari/537.36'}
    req = urllib.request.Request(url, headers=headers)
    response = urllib.request.urlopen(req)
    return response.read()
2)代码里组装的url,手工用浏览器访问回404,是不是你的URL看错了。
https://pic.netbian.com/4kmeinv/index_1.html
你把你想爬取的内容说一下,我去那个网站没找到index url。
3)decode应该这么写:open_url(url).decode('utf-8', 'ignore')
页: [1]
查看完整版本: 爬虫爬不出图片