网上找的爬虫代码不知道为什么 不能运行，大神指导下

萧小懒

# coding:utf-8
import urllib
import re

def get_html(url):
    page = urllib.urlopen(url)
    html_code = page.read()
    return html_code

def get_image(html_code):
    reg = r'src="(.+?\.jpg)" width'
    reg_img = re.compile(reg)
    img_list = reg_img.findall(html_code)
    x = 0
    for img in img_list:
        urllib.urlretrieve(img, '%s.jpg' % x)
        x += 1

print(u'-------网页图片抓取-------')
print(u'请输入url:',)
url = raw_input()
if url:
    pass
else:
    print(u'---没有地址输入正在使用默认地址---')
    url = 'http://tieba.baidu.com/p/1753935195'
print(u'----------正在获取网页---------')
html_code = get_html(url)
print(u'----------正在下载图片---------')
get_image(html_code)
print(u'-----------下载成功-----------')
raw_input('Press Enter to exit')

塔利班

1. import urllib.request
   
2. import re
   
3. 
   
4. def get_html(url):
   
5.     page = urllib.request.urlopen(url)
   
6.     html_code = page.read().decode()
   
7.     return html_code
   
8. 
   
9. def get_image(html_code):
   
10.     reg = r'src="(.+?\.jpg)" width'
    
11.     reg_img = re.compile(reg)
    
12.     img_list = reg_img.findall(html_code)
    
13.     x = 0
    
14.     for img in img_list:
    
15.         urllib.request.urlretrieve(img, '%s.jpg' % x)
    
16.         x += 1
    
17. 
    
18. print(u'-------网页图片抓取-------')
    
19. 
    
20. url = input(u'请输入url:',)
    
21. if url:
    
22.     pass
    
23. else:
    
24.     print(u'---没有地址输入正在使用默认地址---')
    
25.     url = 'http://tieba.baidu.com/p/1753935195'
    
26. print(u'----------正在获取网页---------')
    
27. html_code = get_html(url)
    
28. print(u'----------正在下载图片---------')
    
29. get_image(html_code)
    
30. print(u'-----------下载成功-----------')
    
31. input('Press Enter to exit')

复制代码

萧小懒

塔利班 发表于 2018-9-30 08:03

真的可以用了谢谢