鱼C论坛

 找回密码
 立即注册
查看: 1602|回复: 2

[已解决]关于爬虫的错误不理解

[复制链接]
发表于 2017-9-25 10:25:06 | 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
import random

def url_open(url):
    req=urllib.request.Request(url) #生成一个url对象
    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')
    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  #找到数字的起始位置,返回的是索引坐标
    b=html.find(']',a)   #从a开始找到方括号并返回它的索引值

    return (html[a:b])



def find_imgs(url):
    html=url_open(url).decode('utf-8')  #把所有图片的地址拷贝到列表里
    img_addrs=[]
    a=html.find('img src=')

    while a!=-1:
        
        b=html.find('.jpg',a,a+255)
        if b!=-1:   #找到jpg 有一个索引值了
            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/pic/'
    page_num=int(get_page(url))

    for i in range(pages): #前10页
        page_num-=i
        page_url=url+'page-'+str(page_num)+'#comments'
        img_addrs=find_imgs(page_url)   #把图片的地址保存成一个列表然后返回
        save_imgs(folder,img_addrs)   #把图片保存起来

if __name__=='__main__':
    download__mm()


####################这是OOXX从网上down图片的爬虫,出现一个错误。自己理解是一个图片格式被系统误认为是url了,求大神解决。##########################

下面是错误结果
Traceback (most recent call last):
  File "C:\Users\Administrator\Desktop\图片爬虫.py", line 61, in <module>
    download__mm()
  File "C:\Users\Administrator\Desktop\图片爬虫.py", line 58, in download__mm
    save_imgs(folder,img_addrs)   #把图片保存起来
  File "C:\Users\Administrator\Desktop\图片爬虫.py", line 44, in save_imgs
    img=url_open(each)
  File "C:\Users\Administrator\Desktop\图片爬虫.py", line 6, in url_open
    req=urllib.request.Request(url) #生成一个url对象
  File "C:\Users\Administrator\AppData\Local\Programs\Python\Python36\lib\urllib\request.py", line 329, in __init__
    self.full_url = url
  File "C:\Users\Administrator\AppData\Local\Programs\Python\Python36\lib\urllib\request.py", line 355, in full_url
    self._parse()
  File "C:\Users\Administrator\AppData\Local\Programs\Python\Python36\lib\urllib\request.py", line 384, in _parse
    raise ValueError("unknown url type: %r" % self.full_url)
ValueError: unknown url type: '//wx1.sinaimg.cn/mw600/745c3895ly1fjvl0a6zsjj20sg0nrak3.jpg'


求大神解答
最佳答案
2017-9-25 10:46:21
def find_imgs(url)方法下的 img_addrs.append(html[a+9:b+4])改为 img_addrs.append('http:' + html[a+9:b+4])
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 2017-9-25 10:46:21 | 显示全部楼层    本楼为最佳答案   

回帖奖励 +5 鱼币

def find_imgs(url)方法下的 img_addrs.append(html[a+9:b+4])改为 img_addrs.append('http:' + html[a+9:b+4])
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 2017-9-25 10:52:13 | 显示全部楼层
mass 发表于 2017-9-25 10:46
def find_imgs(url)方法下的 img_addrs.append(html[a+9:b+4])改为 img_addrs.append('http:' + html[a+9:b ...

谢了谢了,成功了
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 22:09

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表