[已解决]第56课问题

LYqiang

我用anaconda3按照课堂代码输入一片后，总是出现
ValueError: unknown url type: '//ws3.sinaimg.cn/mw600/7b386511gy1fjjhvsl2zmj20zk0npn3s.jpg'的错误，仔细检查之后没有发现原因出在哪里，

1. # -*- coding: utf-8 -*-
   
2. """
   
3. Created on Thu Sep 14 20:51:52 2017
   
4. 
   
5. @author: Administrator
   
6. """
   
7. 
   
8. import urllib.request
   
9. import os
   
10. #import random
    
11. 
    
12. #    proxies = ['119.6.144.70:81','111.1.36.9:80','203.144.144.162:8080']
    
13. #    proxy = random.choice(proxies)
    
14. #    proxy_support = urllib.request.ProxyHandler({'http':proxy})
    
15. #    opener = urllib.request.build_opener(proxy_support)
    
16. #    urllib.request.install_opener(opener)
    
17. 
    
18. def url_open(url):
    
19.     req = urllib.request.Request(url)
    
20.     req.add_header('User-Agent','Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.221 Safari/537.36 SE 2.X MetaSr 1.0 Name')
    
21.     response = urllib.request.urlopen(url)
    
22.     html = response.read()
    
23.     return html
    
24. 
    
25. def get_page(url):
    
26.     html = url_open(url).decode('utf-8')
    
27.     a = html.find('current-comment-page') + 23
    
28.     b = html.find(']',a)
    
29.     return html[a:b]
    
30.    
    
31.    
    
32. def find_imgs(url):
    
33.     html = url_open(url).decode('utf-8')
    
34.     img_addrs = []
    
35.    
    
36.     a = html.find('img src=')
    
37.    
    
38.     while a != -1:        
    
39.         b = html.find('.jpg',a, a+255)
    
40.         if b != -1:
    
41.             img_addrs.append(html[a+9:b+4])
    
42.         else:
    
43.             b = a + 9
    
44.             
    
45.         a = html.find('img src=', b)
    
46.     return img_addrs
    
47.    
    
48. def save_imgs(folder,img_addrs):
    
49.     for each in img_addrs:
    
50.         filename = each.split('/')[-1]
    
51.         with open(filename, 'wb') as f:
    
52.             img = url_open(each)
    
53.             f.write(img)
    
54.    
    
55. 
    
56. def download_mm(folder='OOXX',pages=10):
    
57.     os.makedirs(folder)
    
58.     os.chdir(folder)
    
59.    
    
60.     url = 'http://jandan.net/ooxx/'
    
61.     page_num = int(get_page(url))
    
62.    
    
63.     for i in range(pages):
    
64.         page_num -= i
    
65.         page_url = url + 'page' + str(page_num) + '#comments'
    
66.         img_addrs = find_imgs(page_url)
    
67.         save_imgs(folder,img_addrs)
    
68.         
    
69.         
    
70. if __name__ == '__main__':
    
71.     download_mm()

复制代码

另外，好像加入代理模式之后，还会出现其他错误

最佳答案

月排行榜 / 总排行榜

ba21

2017-9-14 23:28:35

'//ws3.sinaimg.cn/mw600/7b386511gy1fjjhvsl2zmj20zk0npn3s.jpg'
正确的是'http://ws3.sinaimg.cn/mw600/7b386511gy1fjjhvsl2zmj20zk0npn3s.jpg'

1. import urllib.request
   
2. import sys
   
3. import os
   
4. 
   
5. 
   
6. def url_open(url):
   
7.     req = urllib.request.Request(url)
   
8.     req.add_header('User-Agent',
   
9.                    'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36')
   
10.     resp = urllib.request.urlopen(url)
    
11.     html = resp.read()
    
12.     # print(html)
    
13.     return html
    
14. 
    
15. 
    
16. def get_page(url):  # 获取图片页码
    
17.     html = url_open(url).decode('utf-8')  # 解码，之后查找图片页码做准备
    
18.     a = html.find('current-comment-page') + 23  # 返回页码数的首位置
    
19.     b = html.find(']', a)  # 返回页码数的末位置
    
20.     # print(html[a:b])
    
21.     return html[a:b]  # 拼接返回页码
    
22. 
    
23. 
    
24. def find_imgs(url):  # 在当前URL查找图片
    
25.     html = url_open(url).decode('utf-8')
    
26.     img_addrs = []
    
27. 
    
28.     a = html.find('img src=')  # 图片真实地址
    
29. 
    
30.     while a != -1:
    
31.         b = html.find('.jpg', a, a + 200)
    
32.         if b != -1:
    
33.             img_addrs.append(html[a + 9:b + 4])
    
34.         else:
    
35.             b = a + 9
    
36. 
    
37.         a = html.find('img src=', b)
    
38.     return img_addrs
    
39. 
    
40. 
    
41. def save_imgs(img_addrs):
    
42.     for each in img_addrs:
    
43.         filename = each.split('/')[-1]
    
44.         with open(filename, 'wb') as f:
    
45.             img = url_open("http:"+each)
    
46.             f.write(img)
    
47. 
    
48. 
    
49. def download(folder='Girls', pages=20):
    
50.     os.mkdir(folder)  # 创建文件夹
    
51.     os.chdir(folder)  # 切换到文件夹目录
    
52. 
    
53.     url = 'http://jandan.net/ooxx'
    
54.     page_num = int(get_page(url))  # 获取当前该图片页码
    
55. 
    
56.     for i in range(pages):  # 依次下载指定页数的图片
    
57.         page_num -= 1
    
58.         page_url = url + '/page-' + str(page_num) + '#comments'  # 图片的URL
    
59.         # print(page_url)
    
60.         img_addrs = find_imgs(page_url)
    
61.         save_imgs(img_addrs)
    
62. 
    
63. 
    
64. if __name__ == '__main__':
    
65.     download()
    

复制代码

跳转到最佳答案楼层

ba21

'//ws3.sinaimg.cn/mw600/7b386511gy1fjjhvsl2zmj20zk0npn3s.jpg'
正确的是'http://ws3.sinaimg.cn/mw600/7b386511gy1fjjhvsl2zmj20zk0npn3s.jpg'

1. import urllib.request
   
2. import sys
   
3. import os
   
4. 
   
5. 
   
6. def url_open(url):
   
7.     req = urllib.request.Request(url)
   
8.     req.add_header('User-Agent',
   
9.                    'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36')
   
10.     resp = urllib.request.urlopen(url)
    
11.     html = resp.read()
    
12.     # print(html)
    
13.     return html
    
14. 
    
15. 
    
16. def get_page(url):  # 获取图片页码
    
17.     html = url_open(url).decode('utf-8')  # 解码，之后查找图片页码做准备
    
18.     a = html.find('current-comment-page') + 23  # 返回页码数的首位置
    
19.     b = html.find(']', a)  # 返回页码数的末位置
    
20.     # print(html[a:b])
    
21.     return html[a:b]  # 拼接返回页码
    
22. 
    
23. 
    
24. def find_imgs(url):  # 在当前URL查找图片
    
25.     html = url_open(url).decode('utf-8')
    
26.     img_addrs = []
    
27. 
    
28.     a = html.find('img src=')  # 图片真实地址
    
29. 
    
30.     while a != -1:
    
31.         b = html.find('.jpg', a, a + 200)
    
32.         if b != -1:
    
33.             img_addrs.append(html[a + 9:b + 4])
    
34.         else:
    
35.             b = a + 9
    
36. 
    
37.         a = html.find('img src=', b)
    
38.     return img_addrs
    
39. 
    
40. 
    
41. def save_imgs(img_addrs):
    
42.     for each in img_addrs:
    
43.         filename = each.split('/')[-1]
    
44.         with open(filename, 'wb') as f:
    
45.             img = url_open("http:"+each)
    
46.             f.write(img)
    
47. 
    
48. 
    
49. def download(folder='Girls', pages=20):
    
50.     os.mkdir(folder)  # 创建文件夹
    
51.     os.chdir(folder)  # 切换到文件夹目录
    
52. 
    
53.     url = 'http://jandan.net/ooxx'
    
54.     page_num = int(get_page(url))  # 获取当前该图片页码
    
55. 
    
56.     for i in range(pages):  # 依次下载指定页数的图片
    
57.         page_num -= 1
    
58.         page_url = url + '/page-' + str(page_num) + '#comments'  # 图片的URL
    
59.         # print(page_url)
    
60.         img_addrs = find_imgs(page_url)
    
61.         save_imgs(img_addrs)
    
62. 
    
63. 
    
64. if __name__ == '__main__':
    
65.     download()
    

复制代码

LYqiang

ba21 发表于 2017-9-14 23:28
'//ws3.sinaimg.cn/mw600/7b386511gy1fjjhvsl2zmj20zk0npn3s.jpg'
正确的是'http://ws3.sinaimg.cn/mw600/ ...

多谢版主指点，原来我  img = url_open('http:'+ each) 这个地方少了一个'http:'+