关于 爬虫 用字符串抓取

夕阳54

这里：问题是不管怎么抓取  在 find_imgs(url) 里b的值 始终都为 -1
import urllib.request
import os


def url_open(url):
    head={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.108 Safari/537.36'}
    req = urllib.request.Request(url, headers=head)
    html=urllib.request.urlopen(req).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_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='妹子图', 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
        page_url = url + 'page-' + str(page_num) + '#comments'
        img_addrs = find_imgs(page_url)
        save_imgs(folder,img_addrs)

if __name__== '__main__':
    download_mm()

°蓝鲤歌蓝

这个网站已经加密了，新手换个网站学习爬虫。

夕阳54

°蓝鲤歌蓝 发表于 2018-2-9 11:31
这个网站已经加密了，新手换个网站学习爬虫。

谢谢 提醒