|
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
- 小白初学者,代码能正常打印出来图片网址
- import urllib.request
- import os
- from bs4 import BeautifulSoup
- def url_open(url):
- req = urllib.request.Request(url)
- 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')
- #这里不要decode,因为图片的存储是二进制的形式
- #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
- response = urllib.request.urlopen(req)
- html = response.read()
- return html
- def get_page(url):
- html = url_open(url).decode('utf-8')
- #从html里面找是不是有current-comment-page
- #如果有,返回字符串开始的索引值,否则返回-1
- a = html.find('<em>')+4
- #从a开始,找到第一个方括号
- b = html.find('<',a)
- #print(html[a:b])
- return html[a:b]
- def find_imgs(url):
- html = url_open(url).decode('utf-8')
- img_addrs = []
- a = int(html.find('img src='))
- while a != -1:
- #a+255的意思是,一个jpg文件所需要的地址不会超过255
- b = html.find('.jpg',a,a+255)
- if b!= -1 :#如果b找得到
- img_addrs.append(html[a+9:b+4])
- else: #如果b找不到
- b = a + 9
- a = html.find('img src=',b)
- for each in img_addrs:
- print(each)
- return img_addrs
- def save_imgs(folder,img_addrs):
- for each in img_addrs:#图片的地址全在img_addrs中
- filename = each.split('/')[-1]
- with open(filename,'wb') as f:
- img = url_open(each)
- f.write(img)
- def download_mm(folder = 'ooxx',pages = 20):
- #创建单层目录
- os.mkdir(folder)
- #改变当前目录到上面创建的目录里
- os.chdir(folder)
- url = 'http://www.mmjpg.com/mm/1417'
- page_num = int(get_page(url))
- for i in range(pages):
- page_num += 1
- page_url = url + '/' + str(page_num)
- print("这是第%d个网址%s" % (page_num,page_url))
- img_addrs = find_imgs(page_url)
- save_imgs(folder,img_addrs)
- if __name__ == '__main__':
- download_mm()
复制代码
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
这是为什么,网站反扒了嘛?
|
|