[已解决]py爬取妹子图报错

jia3168

import urllib.request
import os

def url_open(url):
    req = urllib.request.Request(url)
    req.add_header('User-Agent', 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.76 Mobile 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+255)
        if b!=-1:
            img_addrs.append(html[a+9:b+4])
        else:
            b=a+9
        a=html.find('img src=',b)

    for each in img_addrs:
        print(each)

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://www.mm131.com/"
    page_num=int(get_page(url))

    for i in range(pages):
        page_num -=i
        page_url =url+"qingchun/"+str(page_num)+'.html'
        img_addrs=find_imgs(page_url)
        save_imgs(folder,img_addrs)

if __name__=='__main__':
    download_mm()

以上是代码
C:\Users\admin\AppData\Local\Programs\Python\Python36\python.exe C:/Users/admin/PycharmProjects/untitled/.idea/爬取妹子图.py
Traceback (most recent call last):
  File "C:/Users/admin/PycharmProjects/untitled/.idea/爬取妹子图.py", line 58, in <module>
    download_mm()
  File "C:/Users/admin/PycharmProjects/untitled/.idea/爬取妹子图.py", line 49, in download_mm
    page_num=int(get_page(url))
  File "C:/Users/admin/PycharmProjects/untitled/.idea/爬取妹子图.py", line 13, in get_page
    html=url_open(url).decode('utf-8')
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xc3 in position 365: invalid continuation byte
这个是报错，搞不懂关utf-8什么事

最佳答案

月排行榜 / 总排行榜

hustlin

2017-3-6 10:35:43

在原网页通过F12查看编码方式，再对应解码就行了。

跳转到最佳答案楼层

ooxx7788

这个爬虫又不是换一个网址全网通用的。你把煎蛋的网址改成http://www.mm131.com/ 以为事情就成了啊。
光就你说的这一个问题而言，改成GBK就可以了

hustlin

在原网页通过F12查看编码方式，再对应解码就行了。