鱼C论坛

 找回密码
 立即注册
查看: 1701|回复: 2

[技术交流] python 056 爬虫之爬取妹子图

[复制链接]
发表于 2018-8-2 22:46:50 | 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
本帖最后由 风不会停息 于 2018-8-2 22:49 编辑

以下为小甲鱼的代码, 虽然现在网站设置了反爬, 不能成功爬取了, 但可以参考代码思路:

  1. import urllib.request
  2. import os
  3. import random


  4. def url_open(url):
  5.     req = urllib.request.Request(url)
  6.     req.add_header('User-Agent', 'Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.65 Safari/537.36')

  7.     '''proxies = ['119.6.144.70:81', '111.1.36.9:80', '203.144.144.162:8080']
  8.     proxy = random.choice(proxies)

  9.     proxy_support = urllib.request.ProxyHandler({'http':proxy})
  10.     opener = urllib.request.build_opener(proxy_support)
  11.     urllib.request.install_opener(opener)'''

  12.     response = urllib.request.urlopen(url)
  13.     html = response.read()

  14.     return html


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

  17.     a = html.find('current-comment-page') + 23
  18.     b = html.find(']', a)

  19.     return html[a:b]


  20. def find_imgs(url):
  21.     html = url_open(url).decode('utf-8')
  22.     img_addrs = []

  23.     a = html.find('img src=')

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

  30.         a = html.find('img src=', b)

  31.     return img_addrs


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


  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()
复制代码

本帖被以下淘专辑推荐:

小甲鱼最新课程 -> https://ilovefishc.com
回复

使用道具 举报

发表于 2018-8-3 12:01:17 | 显示全部楼层
楼主加油
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 2018-10-31 20:43:56 | 显示全部楼层
确实是反爬的问题,这个代码已经不能成功爬取了,感谢。请问您知道如何在此基础上修改以成功爬取吗?
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, 2025-6-26 22:42

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表