鱼C论坛

 找回密码
 立即注册
查看: 915|回复: 10

[已解决]刚学爬取照片遇到请勿盗链,求如何决绝

[复制链接]
发表于 2020-5-17 14:04:52 | 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
希望大佬们解决

import urllib.request
import os



def url_open(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/70.0.3538.25 Safari/537.36 Core/1.70.3741.400 QQBrowser/10.5.3863.400')
    response = urllib.request.urlopen(req)
    html = response.read()

    return html

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

    a = html.find('<span>1</span>') + 6
    b = html.find('<',a)
   
    return html[a:b]


   
def find_imge(url):
    html = url_open(url).decode('utf-8')
    img_addrs = []
   
    a = html.find('img src=')

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

        a =  html.find('img src=', b)

        
    return img_addrs
   
   

def save_imgs(folder,img_addrs):
    for each in img_addrs:
        file_name = each.split('/')[-1]
        with open(file_name,'wb') as f:
            img = url_open(each)
            f.write(img)


def download_mm(folder='爬取文档',pages=64):
    os.mkdir(folder)
    os.chdir(folder) #切换工作目录

    url = 'https://www.mzitu.com/227008/'
    page_num = int(get_page(url))

    for i in range(pages):
        page_num += i
        page_url = url + str(page_num)
        img_addrs = find_imge(page_url)
        save_imgs(folder,img_addrs)
        

if __name__ == '__main__':
    download_mm()


最佳答案
2020-5-17 14:53:49
本帖最后由 Twilight6 于 2020-5-17 14:56 编辑

被反爬了,这不是我爬的网站吗哈哈 来我这帖看看


https://fishc.com.cn/thread-168018-1-1.html
headers = {
    'Referer': 'https://www.mzitu.com/',
    'Sec-Fetch-Dest': 'image',
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.149 Safari/537.36'
}
主要把'Referer':'https://www.mzitu.com/' 加上就好了  没加上后台就会认为你是爬虫,哈哈但是我们本来就是

如果有帮助,记得设置最佳哦~~
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 2020-5-17 14:53:49 | 显示全部楼层    本楼为最佳答案   
本帖最后由 Twilight6 于 2020-5-17 14:56 编辑

被反爬了,这不是我爬的网站吗哈哈 来我这帖看看


https://fishc.com.cn/thread-168018-1-1.html
headers = {
    'Referer': 'https://www.mzitu.com/',
    'Sec-Fetch-Dest': 'image',
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.149 Safari/537.36'
}
主要把'Referer':'https://www.mzitu.com/' 加上就好了  没加上后台就会认为你是爬虫,哈哈但是我们本来就是

如果有帮助,记得设置最佳哦~~
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

 楼主| 发表于 2020-5-17 15:21:40 | 显示全部楼层
Twilight6 发表于 2020-5-17 14:53
被反爬了,这不是我爬的网站吗哈哈 来我这帖看看

哈哈,解决了,太厉害啦哈哈
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

 楼主| 发表于 2020-5-17 15:23:15 | 显示全部楼层
Twilight6 发表于 2020-5-17 14:53
被反爬了,这不是我爬的网站吗哈哈 来我这帖看看

但是我想问问这个爬取会把网页的其他广告照片也爬取进去,应该如何修改呢?
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 2020-5-17 15:39:26 | 显示全部楼层
开心果. 发表于 2020-5-17 15:23
但是我想问问这个爬取会把网页的其他广告照片也爬取进去,应该如何修改呢?

正则用好就好了,广告的内容一般和正常图片有些差距的
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

 楼主| 发表于 2020-5-17 15:44:05 | 显示全部楼层
Twilight6 发表于 2020-5-17 15:39
正则用好就好了,广告的内容一般和正常图片有些差距的

好的,还没学正则,以后继续努力哈哈
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 2020-5-17 15:49:53 | 显示全部楼层
开心果. 发表于 2020-5-17 15:44
好的,还没学正则,以后继续努力哈哈

不止正则,只是正则精通的话会很方便的,你用其他的数据提取模块也可以,像xpath,Beautiful Soup、JsonPath、PQ什么的都可以的
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

 楼主| 发表于 2020-5-17 16:53:18 | 显示全部楼层
Twilight6 发表于 2020-5-17 15:49
不止正则,只是正则精通的话会很方便的,你用其他的数据提取模块也可以,像xpath,Beautiful Soup、JsonP ...

哈哈,慢慢来,刚入门自学,把基础打好哈哈
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 2020-5-17 16:54:42 | 显示全部楼层
开心果. 发表于 2020-5-17 16:53
哈哈,慢慢来,刚入门自学,把基础打好哈哈

对!加油!不懂就继续发帖子问问问哈哈  我除了最近发的4章帖子,全是问以前代码遇到的问题哈哈
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

 楼主| 发表于 2020-5-17 17:03:43 | 显示全部楼层
Twilight6 发表于 2020-5-17 16:54
对!加油!不懂就继续发帖子问问问哈哈  我除了最近发的4章帖子,全是问以前代码遇到的问题哈哈

向大佬看齐!
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 2020-5-17 17:45:02 | 显示全部楼层

我也不是大佬哈,我也是刚学没多久
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, 2025-1-21 08:47

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表