urlopen error no host given怎么办

幽梦三影

import urllib.request
import re
import chardet


def get_html(url):
    html = urllib.request.urlopen(url).read()
    x = chardet.detect(html)['encoding']
    html = html.decode(x)
    return html

url = 'https://fishc.taobao.com'
html = get_html(url)
img_address = re.findall(r'<img src="([^"]+)"', html)[1]

print(img_address)


x = get_html('http://' + img_address)
'''

for i in img_address:
    x = 1
    urllib.request.urlretrieve('http://' + i, '%d.jpg'%x)
    x += 1

'''

凌九霄

除了第三方的requests模块，其他的urllib之类使用上完全是反人类设计

Charles未晞

你正则表达式匹配到的数据是类似这样的：

1. //img.alicdn.com/bao/uploaded/i3/91760992/TB2fN5cdbBmpuFjSZFAXXaQ0pXa_!!91760992.png_120x120.jpg

复制代码

所以你第二次调用get_html函数传入的实参应该是这样的：

1. x = get_html('http:' + img_address)

复制代码

15623772119

我也遇到这个问题了。。。

塔利班

你这只到资源，写了个协议，没有主机

XiaoPaiShen

我用你的代码无法decode html
我就使用了自动下载设置代理

首先把 【爬虫福利】自动下载设置代理 中的代码保存下来，取文件名为proxypool.py

1. import proxypool as pool
   
2. 
   
3. import urllib.parse
   
4. import re
   
5. 
   
6. ##def get_html(url):
   
7. ##    html = urllib.request.urlopen(url).read()
   
8. ##    x = chardet.detect(html)['encoding']
   
9. ##    html = html.decode(x)
   
10. ##    return html
    
11. 
    
12. proxy = pool.ProxyPool()
    
13. url = 'https://fishc.taobao.com'
    
14. 
    
15. html = proxy.read_url(url, decode='text')
    
16. # html = get_html(url)
    
17. 
    
18. img_address = re.findall(r'<img src="([^"]+)"', html)[1]
    
19. # print(img_address)
    
20. 
    
21. img_url = urllib.parse.urljoin('http:', img_address)
    
22. print(img_url)
    
23. 
    
24. 
    
25. # x = get_html('http://' + img_address)
    
26. '''
    
27. 
    
28. for i in img_address:
    
29.     x = 1
    
30.     urllib.request.urlretrieve('http://' + i, '%d.jpg'%x)
    
31.     x += 1
    
32. '''

复制代码