【申精】小甲鱼教程爬虫篇的第二个错误及改正

老王他师父

小甲鱼的教程是几年前出的，所以对于正在学习第56讲的爬煎蛋网内容的鱼油们来说，会碰到许多问题。我一共在视频中发现了两个错误。
第一个错误是新浪服务器升级后的证书检查错误，解决方法我已经在上一篇帖子中提出了，帖子链接如下：煎蛋网爬虫错误1

下面来说第二个错误：
       如果大家按照小甲鱼的视频教程去写，那么必然会出现一个“403forbidden”，这是由于小甲鱼老师的一个疏忽所导致的，下面我们来看错误代码：

1. import urllib.request
   
2. import os
   
3. 
   
4. 
   
5. def url_open(url):
   
6.     req = urllib.request.Request(url)
   
7.     req.add_header('User-Agent','Mozilla/5.0 (Windows NT 10.0; WOW64; rv:49.0) Gecko/20100101 Firefox/49.0')
   
8.     response = urllib.request.urlopen(url)
   
9.     html = response.read()
   
10. 
    
11.     return html
    
12.    
    
13. def get_page(url):
    
14. 
    
15.     html = url_open(url).decode('utf-8')
    
16. 
    
17.     a = html.find('current-comment-page') + 23
    
18.     b = html.find(']', a)
    
19.     print('当前页面编号为：%d' %int((html[a:b])))
    
20. 
    
21.     return html[a:b]
    
22. 
    
23. def find_imgs(url):
    
24.     html = url_open(url).decode('utf-8')
    
25.     img_addrs = []
    
26.    
    
27.     a = html.find('img src=')
    
28. 
    
29.     while a!=-1:
    
30.         b = html.find('.jpg', a, a+100)
    
31.         if b!= -1:
    
32.             img_addrs.append(html[a+9:b+4])
    
33.         else:
    
34.             b = a+9
    
35. 
    
36.         a = html.find('img src=',b)
    
37.     for each in img_addrs:
    
38.         print(each)
    
39.     return img_addrs
    
40. 
    
41.         
    
42. def save_imgs(folder, img_addrs):
    
43.     for each in img_addrs:
    
44.         filename = each.split('/')[-1]
    
45.         with open(filename, 'wb') as f:
    
46.             img = url_open(each)
    
47.             f.write(img)
    
48. 
    
49. def downloadgirls(folder = 'girls', pages = 10):
    
50.     os.mkdir(folder)
    
51.     os.chdir(folder)
    
52.     url = 'https://jandan.net/ooxx'
    
53.     page_num = int(get_page(url))
    
54. 
    
55.     for i in range(pages):
    
56.         page_num -= i
    
57.         page_url = url + '/page-' + str(page_num) + '#comments'
    
58.         img_addrs = find_imgs(page_url)
    
59.         save_imgs(folder, img_addrs)
    
60. 
    
61. 
    
62. if __name__ == '__main__':
    
63.     downloadgirls()
    

复制代码

大家发现问题没有？
这里是解决方法：

游客，如果您要查看本帖隐藏内容请回复

老王他师父

@小甲鱼 @康小泡 @拈花小仙 @冬雪雪冬

拈花小仙

@小甲鱼 帮at

百日维新

厉害了，word 哥

老王他师父

拈花小仙 发表于 2016-12-6 14:28
@小甲鱼 帮at

谢谢！

xiaoliu01

厉害

老王他师父

xiaoliu01 发表于 2016-12-6 17:18
厉害

谢谢      

Doublprogrammer

看看看

zxr951211

刚刚出这个问题，看看

zxr951211

楼主能不能帮忙看一下这个问题。。。。。

老王他师父

zxr951211 发表于 2016-12-13 07:16
楼主能不能帮忙看一下这个问题。。。。。

文件名有问题吧，无法保存写入

hellobug

谢谢楼主指出！

zxr951211

老王他师父 发表于 2016-12-13 12:45
文件名有问题吧，无法保存写入

。。。这段时间有事没有上论坛。。。。这个我当时那天下午在别的帖子里找到结果了，是我代码还有点问题，还是谢谢楼主

辉晖飛

2365
Traceback (most recent call last):
  File "C:\Users\samash\Desktop\1.py", line 37, in <module>
    downloadgirls()
  File "C:\Users\samash\Desktop\1.py", line 27, in downloadgirls
    page_num = int(get_page(url))
TypeError: int() argument must be a string, a bytes-like object or a number, not 'NoneType'

辉晖飛

================== RESTART: E:\workspace\py\download_pic.py ==================
Traceback (most recent call last):
  File "E:\workspace\py\download_pic.py", line 74, in <module>
    download_pic()
  File "E:\workspace\py\download_pic.py", line 65, in download_pic
    page_num = int(get_page(url))
  File "E:\workspace\py\download_pic.py", line 14, in get_page
    html = url_open().decode('utf-8')
  File "E:\workspace\py\download_pic.py", line 6, in url_open
    req = urllib.request.Request(url)
NameError: name 'url' is not defined

pan1990

学习学习

stawary

谢谢！

xxpythonxx

膜拜，学习~

念桥红药

学习下学习下

Kal

要看看，求看