鱼C论坛

 找回密码
 立即注册
查看: 16516|回复: 5

[已解决]爬去蜜桃社妹子图

[复制链接]
发表于 2018-7-22 15:21:15 | 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. 小白初学者,代码能正常打印出来图片网址
  2. import urllib.request
  3. import os
  4. from bs4 import BeautifulSoup

  5. def url_open(url):
  6.     req = urllib.request.Request(url)
  7.     req.add_header('User-Agent','Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36')

  8.     #这里不要decode,因为图片的存储是二进制的形式
  9.     #如果需要找字符串之类的,可以再别的函数中接收这个值再decode
  10.     response = urllib.request.urlopen(req)
  11.     html = response.read()
  12.     return html

  13. def get_page(url):
  14.     html = url_open(url).decode('utf-8')

  15.     #从html里面找是不是有current-comment-page
  16.     #如果有,返回字符串开始的索引值,否则返回-1
  17.     a = html.find('<em>')+4
  18.     #从a开始,找到第一个方括号
  19.     b = html.find('<',a)

  20.     #print(html[a:b])
  21.     return html[a:b]

  22. def find_imgs(url):
  23.     html = url_open(url).decode('utf-8')
  24.     img_addrs = []

  25.     a = int(html.find('img src='))
  26.     while a != -1:
  27.         #a+255的意思是,一个jpg文件所需要的地址不会超过255
  28.         b = html.find('.jpg',a,a+255)
  29.         if b!= -1 :#如果b找得到
  30.             img_addrs.append(html[a+9:b+4])
  31.         else: #如果b找不到
  32.             b = a + 9

  33.         a = html.find('img src=',b)

  34.     for each in img_addrs:
  35.         print(each)
  36.     return img_addrs     

  37. def save_imgs(folder,img_addrs):
  38.     for each in img_addrs:#图片的地址全在img_addrs中
  39.         filename = each.split('/')[-1]
  40.         with open(filename,'wb') as f:
  41.             img = url_open(each)
  42.             f.write(img)


  43. def download_mm(folder = 'ooxx',pages = 20):
  44.     #创建单层目录
  45.     os.mkdir(folder)
  46.     #改变当前目录到上面创建的目录里
  47.     os.chdir(folder)

  48.     url = 'http://www.mmjpg.com/mm/1417'
  49.     page_num = int(get_page(url))

  50.     for i in range(pages):
  51.         page_num += 1
  52.         page_url = url + '/' + str(page_num)
  53.         print("这是第%d个网址%s" % (page_num,page_url))
  54.         img_addrs = find_imgs(page_url)
  55.         save_imgs(folder,img_addrs)

  56. if __name__ == '__main__':
  57.     download_mm()
复制代码

代码能正确打印图片网址

代码能正确打印图片网址

代码能正确打印出图片网址,复制粘贴到浏览器也能正常打开
如:http://fm.shiyunjj.com/2018/1417/2i08.jpg
但是爬下来的是一摸一样的图片,不是妹子图

存储的是一摸一样的图片

存储的是一摸一样的图片

这是为什么,网站反扒了嘛?
最佳答案
2018-7-22 22:32:59
下载图片的画 header中信息 添加 'Referer': 'http://www.mmjpg.com/mm/xxx/x' (http://www.mmjpg.com/mm/xxx/x为你要下载的编号  例如http://fm.shiyunjj.com/2017/952/3.jpg那么就是
Referer: http://www.mmjpg.com/mm/952/3) F12查看消息头就一目了然了
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 2018-7-22 16:40:42 | 显示全部楼层
不好意思http://fm.shiyunjj.com/2018/1417/2i08.jpg不能正常打开。


网站反扒了
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

 楼主| 发表于 2018-7-22 16:47:40 | 显示全部楼层
ba21 发表于 2018-7-22 16:40
不好意思http://fm.shiyunjj.com/2018/1417/2i08.jpg不能正常打开。

我在我电脑上能打开啊。。
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 2018-7-22 19:35:45 | 显示全部楼层
小小小小的鱼丶 发表于 2018-7-22 16:47
我在我电脑上能打开啊。。

你换个电脑试试吧
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

发表于 2018-7-22 22:32:59 | 显示全部楼层    本楼为最佳答案   
下载图片的画 header中信息 添加 'Referer': 'http://www.mmjpg.com/mm/xxx/x' (http://www.mmjpg.com/mm/xxx/x为你要下载的编号  例如http://fm.shiyunjj.com/2017/952/3.jpg那么就是
Referer: http://www.mmjpg.com/mm/952/3) F12查看消息头就一目了然了
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

 楼主| 发表于 2018-7-23 10:40:51 | 显示全部楼层
本帖最后由 小小小小的鱼丶 于 2018-7-23 10:48 编辑
luckin 发表于 2018-7-22 22:32
下载图片的画 header中信息 添加 'Referer': 'http://www.mmjpg.com/mm/xxx/x' (http://www.mmjpg.com/mm/x ...

谢谢
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, 2024-3-28 18:37

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表