鱼C论坛

 找回密码
 立即注册
查看: 3752|回复: 3

http被禁用了怎么搞,求各位帮忙看下哪里出错了

[复制链接]
发表于 2016-3-13 15:50:11 | 显示全部楼层 |阅读模式
5鱼币
  1. import urllib.request
  2. import os
  3. import random

  4. def url_open(url):
  5.     req = urllib.request.Request(url)
  6.     req.add_header('User-Agent', 'Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.65 Safari/537.36')

  7.     response = urllib.request.urlopen(url)
  8.     html = response.read()
  9.     print(url)
  10.     return html


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

  13.     a = teml.find('current-comment-page') + 23
  14.     b = html.find(']', a)

  15.     return html[a:b]


  16. def find_imgs(url):
  17.     html = url_open(url).decode('utf-8')
  18.     img_addes = []

  19.     a = html.find('img src=')

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

  26.         a = html.find('img src=', b)

  27.     return img_addrs


  28. def save_imgs(folder, img_addrs):
  29.     for each in img_addrs:
  30.         filename = each.split('/')[-1]
  31.         with open(filename, 'wb') as f:
  32.             img = url_open(each)
  33.             f.write(img)

  34. def download_mm(folder='OOXX', pages=10):
  35.     os.mkdir(folder)
  36.     os.chdir(folder)

  37.     url = "http://jandan.net/ooxx/"
  38.     page_num = int(get_page(url))

  39.     for i in range(pages):
  40.         page_num -= i
  41.         page_url = url + 'page-' + str(page_num) + '#comments'
  42.         img_addrs = find_imgs(page_url)
  43.         save_imgs(folder, img_addrs)

  44. if __name__ == '__main__':
  45.     download_mm()
复制代码

1.png

最佳答案

查看完整内容

听说煎蛋网已经禁止爬虫了。。。 不过你可以试试伪装成浏览器,添加下面的代码,或者更多(小甲鱼老师在55课有讲隐藏) 再有一种你把网址改成www.chunmm.com,不过要根据实际审查元素相应的修改一些代码
小甲鱼最新课程 -> https://ilovefishc.com
回复

使用道具 举报

发表于 2016-3-13 15:50:12 | 显示全部楼层
本帖最后由 shuofxz 于 2016-3-13 17:02 编辑

听说煎蛋网已经禁止爬虫了。。。
不过你可以试试伪装成浏览器,添加下面的代码,或者更多(小甲鱼老师在55课有讲隐藏)
  1.     data['type'] = 'AUTO'
  2.     data['i'] = content
  3.     data['doctype'] = 'json'
  4.     data['xmlVersion'] = '1.8'
  5.     data['keyfrom'] = 'fanyi.web'
  6.     data['ue'] = 'UTF-8'
  7.     data['action'] = 'FY_BY_CLICKBUTTON'
  8.     data['typoResult'] = 'true'
复制代码


再有一种你把网址改成www.chunmm.com,不过要根据实际审查元素相应的修改一些代码
小甲鱼最新课程 -> https://ilovefishc.com
回复

使用道具 举报

发表于 2016-3-13 16:41:34 | 显示全部楼层
浏览器里打开也是403么。
小甲鱼最新课程 -> https://ilovefishc.com
回复

使用道具 举报

 楼主| 发表于 2016-3-13 18:42:12 | 显示全部楼层
wei_Y 发表于 2016-3-13 16:41
浏览器里打开也是403么。

不是啊,有网络的
小甲鱼最新课程 -> https://ilovefishc.com
回复

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, 2026-2-20 04:09

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表