鱼C论坛

 找回密码
 立即注册
查看: 7082|回复: 3

[已解决]爬妹子图的时候提示HTTP Error 403: Forbidden

[复制链接]
发表于 2018-7-2 02:54:45 | 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
看完第56讲,自己按照小甲鱼的思路写了一个爬妹子图(http://www.meizitu.com/)的时候,提示urllib.error.HTTPError: HTTP Error 403: Forbidden
度娘查到的都说加User-Agent,但是代码里面本来就有啊,定义的其他函数都测试过了可以运行,到保存的时候就会出这个错误,第一次自己写,
我的思路是只爬第一个页面的,第一个页面很多小图,获取每个小图对应的超链接后进入对应连接,获取每个链接内所有图片的地址,最后调用save函数保存,求各位大神指点,代码如下:
  1. import urllib.request
  2. import os
  3. import re
  4. import time
  5. import random


  6. def url_open(url):
  7.     req = urllib.request.Request(url)
  8.     req.add_header('User-Agent',
  9.                    'Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.98 Safari/537.36 LBBROWSER')
  10.     response = urllib.request.urlopen(url)
  11.     html = response.read()
  12.     return html


  13. def get_page(url):  # 获取第一页中所有超链接
  14.     html = url_open(url).decode('gb2312', 'ignore')
  15.     addrs = []

  16.     addrs = re.findall(r"http://www.meizitu.com/a/\d\d\d\d\.html", html)

  17.     # print('get_page被调用', addrs)
  18.     # print('共有%d个元素' % len(addrs))
  19.     return addrs


  20. def get_img_url(urllist):  # 获取每一超链接中所有图片地址
  21.     img_url = []
  22.     for each in urllist:
  23.         html = url_open(each).decode('gb2312', 'ignore')
  24.         temp = re.findall('http://mm.chinasareview.com/wp-content/uploads/2017a/08/\d\d/\d\d\.jpg', html)
  25.         for i in temp:
  26.             img_url.append(i)

  27.     print('调用get_img_url')
  28.     print('get_img_url获取的地址有:', img_url)
  29.     return img_url


  30. def save(img_url):
  31.     for each in img_url:
  32.         print('each is ', each)
  33.         filename = "".join('%s' % i for i in (each.split('/')[5:9]))
  34.         print('文件名是:', filename)
  35.         with open(filename, 'wb') as f:
  36.             img = url_open(each)
  37.             f.write(img)


  38. def download(folder='mm', pages=10):
  39.     url = 'http://www.meizitu.com/a/more_1.html'
  40.     os.mkdir(folder)
  41.     os.chdir(folder)
  42.     urllist = get_page(url)  # 获取第一页中所有超链接
  43.     img_url = get_img_url(urllist)  # 获取每个超链接中所有图片地址
  44.     save(img_url)


  45. if __name__ == '__main__':
  46.     download()
复制代码
最佳答案
2018-7-3 06:38:00
罗同学 发表于 2018-7-2 23:41
找到了问题 所在,上面程序第12行调用的参数是“url”,实际应该调用“req”,今天又重新写了一遍、发现 ...

我错了。
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 2018-7-2 06:34:25 | 显示全部楼层
在小甲鱼老师的带领下,这个网站好像被洗劫了,最后加了反爬虫,换一个按网站吧。
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 2018-7-2 23:41:50 | 显示全部楼层
新手·ing 发表于 2018-7-2 06:34
在小甲鱼老师的带领下,这个网站好像被洗劫了,最后加了反爬虫,换一个按网站吧。

找到了问题 所在,上面程序第12行调用的参数是“url”,实际应该调用“req”,今天又重新写了一遍、发现可以爬了、终于等到你还好我没放弃。小甲鱼视频里的也是调用的url。。。
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 2018-7-3 06:38:00 | 显示全部楼层    本楼为最佳答案   
罗同学 发表于 2018-7-2 23:41
找到了问题 所在,上面程序第12行调用的参数是“url”,实际应该调用“req”,今天又重新写了一遍、发现 ...

我错了。
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 22:36

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表