鱼C论坛

 找回密码
 立即注册
查看: 1015|回复: 2

爬取妹子图网站报错

[复制链接]
发表于 2019-12-27 13:00:47 | 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 requests
import os
import time
from bs4 import BeautifulSoup

def open_url(url):
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.110 Safari/537.36",
        "Referer": url
    }
    soup=requests.get(url,headers=headers)

    return soup

def get_list(soup):
    html=BeautifulSoup(soup.content, 'lxml')
    a_list=html.find_all("ul",attrs={'id':'pins'})[0].find_all('li')

    for each in a_list:
        href_list.append(each.find_all('span')[0].find_all('a')[0]['href'])
        alt_list.append(each.find_all('span')[0].find_all('a')[0].string)
    return (alt_list,href_list)


def img_save(img):
    name=img.split('/')[-1]
    with open(name,'wb') as f:
        f.write(open_url(img).content)

def make_dir(pwd):
    os.mkdir(pwd)
    print("创建文件夹:"+pwd)
    os.chdir(pwd)

def get_img(each):
    i = 0
    while True:
        page_url = each + "//" + str(i)
        soup = open_url(page_url)
        img_url = BeautifulSoup(soup.content, 'lxml')
        img = img_url.find_all('div', attrs={'class': 'main-image'})[0].img['src']
        print("正在抓取图片:" + img)
        img_save(img)
        time.sleep(3)
        page = img_url.find_all('div', attrs={'class': 'pagenavi'})[0].find_all('span')[-2].string
        i = i + 1
        if i == 1:
            i = 2
        if i > int(page):
            break

href_list = []
alt_list = []
y=0
for i in range(7,8):
    h=open_url("https://www.mzitu.com/page/"+str(i))
    alt_list,h_list=get_list(h)

for each in h_list:
    make_dir(alt_list[y])
    y = y + 1
    get_img(each)
    os.chdir(r"C:\Users\jok\PycharmProjects\untitled")

爬取到一半时候会报这个错误:

Traceback (most recent call last):
  File "C:/Users/jok/PycharmProjects/untitled/pange.py", line 62, in <module>
    get_img(each)
  File "C:/Users/jok/PycharmProjects/untitled/pange.py", line 41, in get_img
    img = img_url.find_all('div', attrs={'class': 'main-image'})[0].img['src']
IndexError: list index out of range
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

发表于 2019-12-28 03:25:44 | 显示全部楼层
img = img_url.find_all('div', attrs={'class': 'main-image'})[0].img['src']

IndexError: list index out of range  

表示超出索引,可能是没有采集到信息,页面可能不一样,加try  抓什么(url)页面报错,分析一下原因
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2019-12-28 22:55:59 | 显示全部楼层
你以年份区分一下图片的链接就能得到答案了
想知道小甲鱼最近在做啥?请访问 -> 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, 2024-12-23 13:39

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表