鱼C论坛

 找回密码
 立即注册
查看: 2691|回复: 6

[已解决]爬妹子图

[复制链接]
发表于 2021-5-26 15:30:51 | 显示全部楼层 |阅读模式
25鱼币
本帖最后由 huangdongdong 于 2021-5-26 15:36 编辑
import urllib.request
import os
import base64

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 / 86.0.4240.198 Safari / 537.36')
    response = urllib.request.urlopen(req)
    html = response.read()
    return html

def get_page(url):
    html = url_open(url).decode('UTF-8')
    a = html.find('current-comment-page') + 23
    b = html.find(']',a)
    
    return html[a:b]

def find_addrs(url):
    html = url_open(url).decode('UTF-8')
    img_addrs = []

    a = html.find('img src =')

    while a != -1:
        b = html.find('.jpg',a,a+255)
        if b != -1:
            img_addrs.append(html[a+9:b+4])
        else:
            b = a+9

        a = html.find('img src =',b)

    return img_addrs


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

def download_num(folder = 'ooxx',pages = 10):
    os.mkdir(folder)
    os.chdir(folder)

    url = 'http://jandan.net/ooxx/'
    page_num = int(get_page(url))

    for i in range(pages):
        page_num  -= 1
        target_num = '20210114' + str(page_num)
        target_num = base64.b64encode(target_num.encode('UTF-8'))

        page_url = url + '/' + str(target_num,'UTF -8') + '#comment'
        img_addrs = find_imgs(page_url)
        save_imgs(folder,img_addrs)
        
if __name__ == '__main__':
    download_num()
UnicodeEncodeError: 'latin-1' codec can't encode character '\uff08' in position 13: ordinal not in range(256)
>>>
如何解决???

最佳答案
2021-5-26 15:30:52
'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 '
                  'Safari/537.36'

最佳答案

查看完整内容

'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 ' 'Safari/537.36'
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 2021-5-26 15:30:52 | 显示全部楼层    本楼为最佳答案   
'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 '
                  'Safari/537.36'
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

 楼主| 发表于 2021-5-27 14:32:11 | 显示全部楼层
路神 发表于 2021-5-26 22:00
'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 '
...

ValueError: unknown url type: '//wx3.sinaimg.cn/mw600/0089jzyPly1gqwwi3t18vj30u01hcx6q.jpg'
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 2021-5-27 16:54:10 | 显示全部楼层
huangdongdong 发表于 2021-5-27 14:32
ValueError: unknown url type: '//wx3.sinaimg.cn/mw600/0089jzyPly1gqwwi3t18vj30u01hcx6q.jpg'

https:
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

 楼主| 发表于 2021-5-27 17:06:46 | 显示全部楼层

程序走完但文件夹为空
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 2021-5-27 19:35:37 | 显示全部楼层
huangdongdong 发表于 2021-5-27 17:06
程序走完但文件夹为空

a = html.find('img src =')这句全是-1当然没文件,这是你自己写的?还有这爬的也不是妹图
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

 楼主| 发表于 2021-5-28 15:14:50 | 显示全部楼层
路神 发表于 2021-5-27 19:35
a = html.find('img src =')这句全是-1当然没文件,这是你自己写的?还有这爬的也不是妹图

找到解决办法了。只要在with ....of下加一句each  = 'http'+ each即可
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

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, 2025-1-15 18:22

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表