鱼C论坛

 找回密码
 立即注册
查看: 1147|回复: 3

[已解决]关于爬虫

[复制链接]
发表于 2020-7-11 07:51:02 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
1.jpg
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()
最佳答案
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()
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

发表于 2020-7-11 08:01:20 | 显示全部楼层    本楼为最佳答案   
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()
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 1 反对 0

使用道具 举报

发表于 2020-7-11 08:10:31 | 显示全部楼层
看一楼
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-7-11 11:03:16 From FishC Mobile | 显示全部楼层
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
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2025-1-20 02:03

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表