爬虫 re 收不到需要的内容 求大佬帮助

Fowindy

import urllib.request
import os
import re

def url_open(url):
    req = urllib.request.Request(url)
    req.add_header('User-Agent','Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.67 Safari/537.36')   
    reponse = urllib.request.urlopen(url)  
    html = reponse.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 = re.findall(r'<img src="[^"]+\.jpg"',html)        #<<<<----------------------这里找到的是个[]空的列表 为啥啊其他地方检查了打印都有值都是对的
                                                                                                                <img src="http://ws2.sinaimg.cn/mw600/006qL5utgy1fx49sv457gj30xc1b3hdt.jpg"  这是要找的图片例子
    print(a)
    return img_addrs
        
def save_imgs(img_addrs):
    for each in img_addrs:
        
        filename = each.split('/')[-1]
        with open(filename,'wb') as f:
            img = url_open(each)
            f.wite(img)

def download_mm(folder='ooxx',pages=9):
    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 = 'http://jandan.net/ooxx/page-'+str(page_num)+'#comments'
        
        img_addrs = find_imgs(page_url)
        save_imgs(img_addrs)

TCY

a = re.findall(r'<img src="[^"]+\.jpg"',html)
标红的地方表示有问题

塔利班

你先确定找的文档里有这个img
煎蛋反爬了

Fowindy

TCY 发表于 2018-11-11 19:02
a = re.findall(r'

红色地方什么问题啊0.0

Fowindy

塔利班 发表于 2018-11-11 19:10
你先确定找的文档里有这个img
煎蛋反爬了

有的
<a href="//ww3.sinaimg.cn/large/0073tLPGgy1fx4boj4q9uj30yi1pcb2a.jpg" target="_blank" class="view_img_link">[查看原图]</a>
就是这一个嘛   防反爬应该怎么弄呢

塔利班

你这个图片根本不符合你的正则啊，

学到极客系列就行了

TCY

Fowindy 发表于 2018-11-11 19:21
红色地方什么问题啊0.0

你双引号标错了，还有你那个单独的双引号怎么回事

TCY

正确的表达式是：

1. a = re.findall(r'<img src="[^"]+\.jpg">', html)

复制代码

Fowindy

TCY 发表于 2018-11-11 19:46
正确的表达式是：

是一样的  0.0   

TCY

你还是看小甲鱼的教程把……

wongyusing

首先，请你打开煎蛋网的ooxx页面

然后按下Ctrl + U
看一下网页源代码好吗？？
有你需要的图片链接吗？？

肯定没有啊。
正则写的对不对有什么用啊？？