[已解决]56课爬虫自我修养4：OOXX报错问题

Python小熊君

跟随小甲鱼老师的视频，
在使用代理之前，
全程按照老师的代码写，
结果跑起来还是报错，
求牛人指点，
谢谢！
代码如下：
import urllib.request
import os

def url_open(url):
    req = urllib.request.Request(url)
    req.add_header('User-Agent', 'Mozilla/5.0 (Windows NT 6.1) 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+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()

最佳答案

月排行榜 / 总排行榜

lumber2388779

2017-3-20 09:41:15

根据你的错误，你的图片的地址不对，我去煎蛋网上审查元素发现获取回来的图片地址都少了http:开头，在每次下载图片之前加上http:就可以了
你要尝试自己调试下，除了自己去网站审查元素
还有一个方法就是你觉得可能出错的地方或者变量加上print语句

1. def save_imgs(folder, img_addrs):
   
2.     for each in img_addrs:
   
3.         each = 'http:' + each
   
4.         filename = each.split('/')[-1]
   
5.         with open(filename, 'wb') as f:
   
6.             img = url_open(each)
   
7.             f.write(img)

复制代码

附上我修改的部分，可以下载，不过我没有全爬，估计还有其他问题，因为看到一些图片的地址不对

跳转到最佳答案楼层

lumber2388779

根据你的错误，你的图片的地址不对，我去煎蛋网上审查元素发现获取回来的图片地址都少了http:开头，在每次下载图片之前加上http:就可以了
你要尝试自己调试下，除了自己去网站审查元素
还有一个方法就是你觉得可能出错的地方或者变量加上print语句

1. def save_imgs(folder, img_addrs):
   
2.     for each in img_addrs:
   
3.         each = 'http:' + each
   
4.         filename = each.split('/')[-1]
   
5.         with open(filename, 'wb') as f:
   
6.             img = url_open(each)
   
7.             f.write(img)

复制代码

附上我修改的部分，可以下载，不过我没有全爬，估计还有其他问题，因为看到一些图片的地址不对

HPU帅

6

wzp120

我仿照视频打的代码，为什么没有反应，过一段时间电脑就完全卡死，必须强制关机

平头哥爱python

为什么还是不能爬取呢？好像是find_imgs那里有问题，我的img_addrs显示的是个空列表，各位知道怎么回事吗