怎么56讲的OOXX爬不出来？求解。

549663844

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; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36')
    response = urllib.request.urlopen(url)
    html = response.read()

    return html

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

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

    return html[a:b]

def find_imgs(url):
    html = url_open(url).decode('utf-8')
    img_addrs = []

    a = html.find('img src=')

    while a != -1:
        b = html.find('.jpg',a, a+140)
        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:
        filename = each.split('/')[-1]
        with open(filename, 'wb') as f:
            img = url_open(each)
            f.write(img)

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


    url = 'http://jandan.net/ooxx/'
    page_num = int(get_page(url))

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


if __name__ == '__main__':
    download_mm()

549663844

顶顶

zxszx4

报错告诉你了，你的url不对，http的开头是不是前面代码切片什么的给删掉了，你自己再研究研究

549663844

zxszx4 发表于 2017-1-25 11:19
报错告诉你了，你的url不对，http的开头是不是前面代码切片什么的给删掉了，你自己再研究研究

估计是偏移那里错了

lihp11

前面加上了http:了，但是被403forbidden了，而用浏览其直接输入url可以正常访问，看来是被server拦截了，有什么办法绕过拦截么？

hldh214

lihp11 发表于 2017-1-26 09:12
前面加上了http:了，但是被403forbidden了，而用浏览其直接输入url可以正常访问，看来是被server拦截了，有 ...

加ua

lzxhu1231

我也是这个原因。。。