鱼C论坛

 找回密码
 立即注册
查看: 3022|回复: 6

OOXX爬取妹子图

[复制链接]
发表于 2017-3-26 17:47:29 | 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
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/57.0.2987.110 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)
      
      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()

出现下面的错误:
Traceback (most recent call last):
  File "C:\Users\Fredericlong\Desktop\download_mm.py", line 56, in <module>
    download_mm()
  File "C:\Users\Fredericlong\Desktop\download_mm.py", line 53, in download_mm
    save_imgs(folder, img_addrs)
  File "C:\Users\Fredericlong\Desktop\download_mm.py", line 39, in save_imgs
    img = url_open(each)
  File "C:\Users\Fredericlong\Desktop\download_mm.py", line 5, in url_open
    req = urllib.request.Request(url)
  File "D:\Python\lib\urllib\request.py", line 329, in __init__
    self.full_url = url
  File "D:\Python\lib\urllib\request.py", line 355, in full_url
    self._parse()
  File "D:\Python\lib\urllib\request.py", line 384, in _parse
    raise ValueError("unknown url type: %r" % self.full_url)
ValueError: unknown url type: '//wx1.sinaimg.cn/mw600/661eb95cgy1fe09x3v2gqj20re14awqu.jpg'
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 2017-3-26 18:55:01 | 显示全部楼层
这个问题平均3天就有人问一次。
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 2017-3-26 19:23:39 | 显示全部楼层
http://bbs.fishc.com/thread-83630-1-1.html
参考下之前别人回答过的
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

发表于 2017-3-26 19:24:16 | 显示全部楼层
ooxx7788 发表于 2017-3-26 18:55
这个问题平均3天就有人问一次。

淡定啦 新手不理解很正常
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 2017-3-26 20:03:09 | 显示全部楼层
lumber2388779 发表于 2017-3-26 19:23
http://bbs.fishc.com/thread-83630-1-1.html
参考下之前别人回答过的

没有用 按照这个代码会产生urllib.error.HTTPError: HTTP Error 403: Forbidden错误
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 2017-3-26 20:31:36 | 显示全部楼层
Fredericlong 发表于 2017-3-26 20:03
没有用 按照这个代码会产生urllib.error.HTTPError: HTTP Error 403: Forbidden错误

自己思考下吧,不要全抄代码,这个错误小甲鱼视频应该是有讲过的
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

发表于 2017-3-27 21:54:47 | 显示全部楼层
403:禁止访问
你的浏览器的头部信息不改改么???
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, 2024-5-7 18:29

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表