鱼C论坛

 找回密码
 立即注册
查看: 1734|回复: 2

[已解决]py爬取妹子图报错

[复制链接]
发表于 2017-3-5 22:54:59 | 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
  1. import urllib.request
  2. import os

  3. def url_open(url):
  4.     req = urllib.request.Request(url)
  5.     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')
  6.     response = urllib.request.urlopen(url)
  7.     html = response.read()

  8.     return html

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

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

  13.     return html[a:b]

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

  17.     a=html.find('img src=')
  18.     while a!=-1:
  19.         b=html.find('.jpg',a,a+255)
  20.         if b!=-1:
  21.             img_addrs.append(html[a+9:b+4])
  22.         else:
  23.             b=a+9
  24.         a=html.find('img src=',b)

  25.     for each in img_addrs:
  26.         print(each)

  27. def save_imgs(folder,img_addrs):
  28.     for each in img_addrs:
  29.         filename=each.split('/')[-1]
  30.         with open(filename,'wb')as f:
  31.             img=url_open(each)
  32.             f.write(img)


  33. def download_mm(folder='ooxx',pages=10):
  34.     os.mkdir(folder)
  35.     os.chdir(folder)

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

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

  43. if __name__=='__main__':
  44.     download_mm()
复制代码

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
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。
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 2017-3-5 23:58:40 | 显示全部楼层
本帖最后由 ooxx7788 于 2017-3-6 00:00 编辑

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

评分

参与人数 1鱼币 +5 收起 理由
jia3168 + 5 热爱鱼C^_^

查看全部评分

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 2017-3-6 10:35:43 | 显示全部楼层    本楼为最佳答案   
在原网页通过F12查看编码方式,再对应解码就行了。

评分

参与人数 1荣誉 +5 收起 理由
jia3168 + 5

查看全部评分

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, 2024-3-29 23:52

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表