[已解决]关于爬取到的图片不能打开

大地郡主

求助！我在第一次运行时运行正常，并且图片可以下载，但是却说不支持此格式。第二次我再运行时，下载下来的图片都是0kb了，搞不清楚为什么

1. import requests
   
2. import urllib.request
   
3. import re
   
4. import os
   
5. 
   
6. 
   
7. def open_url(url):
   
8.     headers = {'User-Agent':
   
9.                'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'}
   
10.     html = requests.get(url, headers = headers)
    
11.     print(html.status_code)
    
12.     html = html.text
    
13.     return html
    
14. 
    
15. 
    
16. def get_img(html):
    
17.     p = re.compile(r"<img src='(.*?.jpg)'", re.S)
    
18.     img_list = re.findall(p, html)
    
19.     print(img_list)
    
20.     # print(type(html))
    
21.     save(img_list)
    
22. 
    
23. 
    
24. def save(img_list):
    
25.     for each in img_list:
    
26.         filename = each.split("/")[-1]
    
27.         with open(filename,'wb')as fp:
    
28.             img = open_url(each)
    
29.             print(type(img))
    
30.             img = img.encode(encoding = 'utf-8')
    
31.             #fp.write(img)
    
32.             #print(img)
    
33. 
    
34. 
    
35. def mk_file():
    
36.     os.chdir('C:/Users/巴鲁斯/Desktop/小美')
    
37. 
    
38. 
    
39. if __name__ == '__main__':
    
40.     url = 'https://www.xcar.com.cn/bbs/viewthread.php?tid=90672604&zoneclick=104603'
    
41.     mk_file()
    
42.     get_img(open_url(url))
    

复制代码

最佳答案

月排行榜 / 总排行榜

Twilight6

2020-7-27 15:53:17

改成这样，你 爬图片要用 html.content 二进制读取，而不是 .text 读取文本

1. import requests
   
2. import urllib.request
   
3. import re
   
4. import os
   
5. 
   
6. 
   
7. def open_url(url):
   
8.     headers = {'User-Agent':
   
9.                'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'}
   
10.     html = requests.get(url, headers = headers)
    
11.     print(html.status_code)
    
12.     return html
    
13. 
    
14. 
    
15. def get_img(html):
    
16.     p = re.compile(r"<img src='(.*?.jpg)'", re.S)
    
17.     img_list = re.findall(p, html.text)
    
18.     print(img_list)
    
19.     # print(type(html))
    
20.     save(img_list)
    
21. 
    
22. 
    
23. def save(img_list):
    
24.     for each in img_list:
    
25.         filename = each.split("/")[-1]
    
26.         with open(filename,'wb')as fp:
    
27.             img = open_url(each)
    
28.             print(type(img))
    
29.             img = img.content
    
30.             fp.write(img)
    
31.             #print(img)
    
32. 
    
33. 
    
34. def mk_file():
    
35.     os.chdir('.')
    
36. 
    
37. 
    
38. if __name__ == '__main__':
    
39.     url = 'https://www.xcar.com.cn/bbs/viewthread.php?tid=90672604&zoneclick=104603'
    
40.     mk_file()
    
41.     get_img(open_url(url))
    

复制代码

跳转到最佳答案楼层

Twilight6

改成这样，你 爬图片要用 html.content 二进制读取，而不是 .text 读取文本

1. import requests
   
2. import urllib.request
   
3. import re
   
4. import os
   
5. 
   
6. 
   
7. def open_url(url):
   
8.     headers = {'User-Agent':
   
9.                'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'}
   
10.     html = requests.get(url, headers = headers)
    
11.     print(html.status_code)
    
12.     return html
    
13. 
    
14. 
    
15. def get_img(html):
    
16.     p = re.compile(r"<img src='(.*?.jpg)'", re.S)
    
17.     img_list = re.findall(p, html.text)
    
18.     print(img_list)
    
19.     # print(type(html))
    
20.     save(img_list)
    
21. 
    
22. 
    
23. def save(img_list):
    
24.     for each in img_list:
    
25.         filename = each.split("/")[-1]
    
26.         with open(filename,'wb')as fp:
    
27.             img = open_url(each)
    
28.             print(type(img))
    
29.             img = img.content
    
30.             fp.write(img)
    
31.             #print(img)
    
32. 
    
33. 
    
34. def mk_file():
    
35.     os.chdir('.')
    
36. 
    
37. 
    
38. if __name__ == '__main__':
    
39.     url = 'https://www.xcar.com.cn/bbs/viewthread.php?tid=90672604&zoneclick=104603'
    
40.     mk_file()
    
41.     get_img(open_url(url))
    

复制代码

大地郡主

Twilight6 发表于 2020-7-27 15:53
改成这样，你 爬图片要用 html.content 二进制读取，而不是 .text 读取文本

谢谢，明白了，以后会注意