鱼C论坛

 找回密码
 立即注册
查看: 2862|回复: 9

简单爬虫问题,爬取图片出现HTTP Error 403: Forbidden

[复制链接]
发表于 2019-10-7 21:47:12 | 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
import urllib.request
import urllib.error
import re

def read_url(url):

    '''
    req = urllib.request.Request(url)
    req.add_header("User-Agent","Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36")
    req.add_header("Referer","https://www.ilemiss.net")
    '''

    header = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.75 Safari/537.36","Referer":"https://www.ilemiss.net"}
    req = urllib.request.Request(url,headers=header)
    date = urllib.request.urlopen(req).read().decode("utf-8","ignore")
    return date


def download_picture(url):
    date = read_url(url)
    last = re.findall(r'<a href="\d{4}_(\d{2}).html">尾页',date)[0]
    name = re.findall(r'<a href="(\d{4})_\d{2}.html">尾页',date)[0]
    fist = re.search(r'https://pic.ilemiss.net/\d{4}/1\.jpg',date).group()

    for i in range(1,int(last)+1):
        scr = fist.split("1.jpg")[0]
        pic_name = name+str(i)+".jpg"
        urllib.request.urlretrieve(scr,pic_name)


for i in range(2,10):
    url = "https://www.ilemiss.net/sexy/index_"+str(i)+".html"
    date = read_url(url)
    pic_list = re.findall(r'class="imbtxt"><p><a href="(.*?\.html)" ',date)
    for each in pic_list:
        print(each)
        try:
            download_picture(each)
        except Exception as e:
            print(e)
        
小甲鱼最新课程 -> https://ilovefishc.com
回复

使用道具 举报

 楼主| 发表于 2019-10-7 21:47:43 | 显示全部楼层
求各位大神帮忙解决,谢谢
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2019-10-8 12:30:40 | 显示全部楼层
自己顶
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 2019-10-8 16:37:07 | 显示全部楼层
可能被反爬了,设置代理试一试
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2019-10-9 13:19:41 | 显示全部楼层
代理IP吗,也不行啊
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2019-10-9 13:22:04 | 显示全部楼层
这个应该和代理没什么关系,因为网页爬取没有问题,只是图片无法下载
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2019-10-11 13:35:52 | 显示全部楼层
小甲鱼最新课程 -> https://ilovefishc.com
回复

使用道具 举报

 楼主| 发表于 2019-10-13 20:11:45 | 显示全部楼层
竟然无人回答,是太简单了吗
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 2019-10-14 10:57:12 | 显示全部楼层
修改一下代码,可以爬,但是服务器有反爬

  1. import urllib.request
  2. import urllib.error
  3. import re

  4. def read_url(url):

  5.     '''
  6.     req = urllib.request.Request(url)
  7.     req.add_header("User-Agent","Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36")
  8.     req.add_header("Referer","https://www.ilemiss.net")
  9.     '''

  10.     header = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.75 Safari/537.36","Referer":"https://www.ilemiss.net"}
  11.     req = urllib.request.Request(url,headers=header)
  12.     date = urllib.request.urlopen(req).read().decode("utf-8","ignore")
  13.     return date


  14. def download_picture(url):
  15.     date = read_url(url)
  16.     last = re.findall(r'<a href="\d{4}_(\d{2}).html">尾页',date)[0]
  17.     name = re.findall(r'<a href="(\d{4})_\d{2}.html">尾页',date)[0]
  18.     fist = re.search(r'http://img.qincns.com/\d{4}/1\.jpg',date).group()                #修改
  19.     for i in range(1,int(last)+1):
  20.         scr = fist.split("1.jpg")[0]

  21.         pic_url = scr+str(i)+".jpg"         #修改
  22.         pic_name = name+"-"+str(i)+".jpg"       #修改
  23.         urllib.request.urlretrieve(pic_url,pic_name)        #修改


  24. for i in range(2,10):
  25.     url = "https://www.ilemiss.net/sexy/index_"+str(i)+".html"
  26.     date = read_url(url)
  27.     pic_list = re.findall(r'class="imbtxt"><p><a href="(.*?\.html)" ',date)
  28.     for each in pic_list:
  29.         print(each)
  30.         try:
  31.             download_picture(each)
  32.         except Exception as e:
  33.             print(e)

复制代码


                               
登录/注册后可看大图
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 2020-1-9 18:04:36 | 显示全部楼层
解决了吗
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, 2026-1-19 20:56

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表