鱼C论坛

 找回密码
 立即注册
查看: 1797|回复: 3

[已解决]python爬取妹子图出现问题

[复制链接]
发表于 2017-12-5 22:31:05 | 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
按照教程来的,求大佬帮忙。
import urllib.request
import 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/49.0.2623.221 Safari/537.36 SE 2.X MetaSr 1.0")
    response = urllib.request.urlopen(req)
    html = response.read()
    #print(url)
    return html
   

def get_page(url):
    html = url_open(url).decode('utf-8')

    a = html.find('current-comment-page') + len('current-comment-page">[')
    b = html.find(']',a)
   
    return html[a:b]


def find_imgs(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_mm(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 -= i
        page_url = url + 'page-' + str(page_num) + '#comments'
        img_addrs = find_imgs(page_url)
        save_imgs(folder,img_addrs)


if __name__ == '__main__':
    download_mm()
最佳答案
2017-12-5 22:58:41
这个我以前也碰到过,因为小甲鱼出的视频和现在比比较早了,当时我记得有鱼油说是煎蛋网的图片已经经过了加密,所以爬不了了

这个是我的错误反馈:
Traceback (most recent call last):
  File "F:\python保存\ooxx.py", line 61, in <module>
    download_mm()
  File "F:\python保存\ooxx.py", line 52, in download_mm
    page_num = int(get_page(url))
ValueError: invalid literal for int() with base 10: '>\r\n\t<head>\r\n\t\t<meta charset="UTF-8">\r\n\t\t<title>页面丢失了</title>\r\n\t\t<meta name="viewport" content="width=device-width, initial-scale=1.0, user-scalable=no, minimum-scale=1.0, maximum-scale
>>>
QQ截图20171205222743.png
小甲鱼最新课程 -> https://ilovefishc.com
回复

使用道具 举报

 楼主| 发表于 2017-12-5 22:39:05 | 显示全部楼层

RE: python爬取妹子图出现问题

  1. import urllib.request
  2. import os

  3. def url_open(url):   
  4.    
  5.     req = urllib.request.Request(url)
  6.     req.add_header('User-Agent',"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.221 Safari/537.36 SE 2.X MetaSr 1.0")
  7.     response = urllib.request.urlopen(req)
  8.     html = response.read()
  9.     #print(url)
  10.     return html
  11.    
  12. def get_page(url):
  13.     html = url_open(url).decode('utf-8')

  14.     a = html.find('current-comment-page') + len('current-comment-page">[')
  15.     b = html.find(']',a)
  16.    
  17.     return html[a:b]

  18. def find_imgs(url):
  19.     html = url_open(url).decode('utf-8')
  20.     img_addrs = []
  21.     a = html.find('img src=')

  22.     while a != -1:
  23.         b = html.find('.jpg',a,a+255)
  24.         if b != 1:
  25.             img_addrs.append(html[a+9:b+4])
  26.         else:
  27.             b = a + 9
  28.         
  29.         a = html.find('img src=',b)
  30.     return img_addrs

  31. def save_imgs(folder,img_addrs):
  32.      for each in img_addrs:
  33.         filename = each.split('/')[-1]
  34.         with open(filename,'wb') as f:  #从这开始错误
  35.             img = url_open(each)
  36.             f.write(img)
  37.            
  38. def download_mm(folder='OOXX',pages=10):
  39.     os.mkdir(folder)
  40.     os.chdir(folder)
  41.     url = 'http://jandan.net/ooxx/'
  42.     page_num = int(get_page(url))

  43.     for i in range(pages):
  44.         page_num -= i
  45.         page_url = url + 'page-' + str(page_num) + '#comments'
  46.         img_addrs = find_imgs(page_url)
  47.         save_imgs(folder,img_addrs)

  48. if __name__ == '__main__':
  49.     download_mm()
  50.     '''
复制代码
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2017-12-5 22:58:41 | 显示全部楼层    本楼为最佳答案   
这个我以前也碰到过,因为小甲鱼出的视频和现在比比较早了,当时我记得有鱼油说是煎蛋网的图片已经经过了加密,所以爬不了了

这个是我的错误反馈:
Traceback (most recent call last):
  File "F:\python保存\ooxx.py", line 61, in <module>
    download_mm()
  File "F:\python保存\ooxx.py", line 52, in download_mm
    page_num = int(get_page(url))
ValueError: invalid literal for int() with base 10: '>\r\n\t<head>\r\n\t\t<meta charset="UTF-8">\r\n\t\t<title>页面丢失了</title>\r\n\t\t<meta name="viewport" content="width=device-width, initial-scale=1.0, user-scalable=no, minimum-scale=1.0, maximum-scale
>>>
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2017-12-5 23:32:20 | 显示全部楼层
有牵挂才会怕 发表于 2017-12-5 22:58
这个我以前也碰到过,因为小甲鱼出的视频和现在比比较早了,当时我记得有鱼油说是煎蛋网的图片已经经过了加 ...

我知道哪里出问题了,已经解决了。不过虽然没有报错,文件里却没有任何图片,可能是加密了吧,可惜了。
小甲鱼最新课程 -> https://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, 2025-10-27 04:23

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表