鱼C论坛

 找回密码
 立即注册
查看: 10093|回复: 82

[作品展示] 【申精】小甲鱼教程爬虫篇的第二个错误及改正

[复制链接]
发表于 2016-12-6 14:06:19 | 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
小甲鱼的教程是几年前出的,所以对于正在学习第56讲的爬煎蛋网内容的鱼油们来说,会碰到许多问题。我一共在视频中发现了两个错误。
第一个错误是新浪服务器升级后的证书检查错误,解决方法我已经在上一篇帖子中提出了,帖子链接如下:煎蛋网爬虫错误1

下面来说第二个错误:
       如果大家按照小甲鱼的视频教程去写,那么必然会出现一个“403forbidden”,这是由于小甲鱼老师的一个疏忽所导致的,下面我们来看错误代码:

  1. import urllib.request
  2. import os


  3. def url_open(url):
  4.     req = urllib.request.Request(url)
  5.     req.add_header('User-Agent','Mozilla/5.0 (Windows NT 10.0; WOW64; rv:49.0) Gecko/20100101 Firefox/49.0')
  6.     response = urllib.request.urlopen(url)
  7.     html = response.read()

  8.     return html
  9.    
  10. def get_page(url):

  11.     html = url_open(url).decode('utf-8')

  12.     a = html.find('current-comment-page') + 23
  13.     b = html.find(']', a)
  14.     print('当前页面编号为:%d' %int((html[a:b])))

  15.     return html[a:b]

  16. def find_imgs(url):
  17.     html = url_open(url).decode('utf-8')
  18.     img_addrs = []
  19.    
  20.     a = html.find('img src=')

  21.     while a!=-1:
  22.         b = html.find('.jpg', a, a+100)
  23.         if b!= -1:
  24.             img_addrs.append(html[a+9:b+4])
  25.         else:
  26.             b = a+9

  27.         a = html.find('img src=',b)
  28.     for each in img_addrs:
  29.         print(each)
  30.     return img_addrs

  31.         
  32. def save_imgs(folder, img_addrs):
  33.     for each in img_addrs:
  34.         filename = each.split('/')[-1]
  35.         with open(filename, 'wb') as f:
  36.             img = url_open(each)
  37.             f.write(img)

  38. def downloadgirls(folder = 'girls', pages = 10):
  39.     os.mkdir(folder)
  40.     os.chdir(folder)
  41.     url = 'https://jandan.net/ooxx'
  42.     page_num = int(get_page(url))

  43.     for i in range(pages):
  44.         page_num -= i
  45.         page_url = url + '/page-' + str(page_num) + '#comments'
  46.         img_addrs = find_imgs(page_url)
  47.         save_imgs(folder, img_addrs)


  48. if __name__ == '__main__':
  49.     downloadgirls()
复制代码


大家发现问题没有?
这里是解决方法:
游客,如果您要查看本帖隐藏内容请回复
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

 楼主| 发表于 2016-12-6 14:09:19 | 显示全部楼层
@小甲鱼 @康小泡 @拈花小仙 @冬雪雪冬
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 2016-12-6 14:28:13 | 显示全部楼层
@小甲鱼 帮at
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 2016-12-6 14:40:05 | 显示全部楼层
厉害了,word 哥
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 2016-12-6 15:15:58 | 显示全部楼层

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

发表于 2016-12-6 17:18:43 From FishC Mobile | 显示全部楼层
厉害
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

 楼主| 发表于 2016-12-7 16:21:43 | 显示全部楼层

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

发表于 2016-12-12 11:06:34 | 显示全部楼层
看看看
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 2016-12-13 07:11:16 | 显示全部楼层
刚刚出这个问题,看看
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 2016-12-13 07:16:48 | 显示全部楼层
楼主能不能帮忙看一下这个问题。。。。。
QQ截图20161213071607.jpg
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 2016-12-13 12:45:30 | 显示全部楼层
zxr951211 发表于 2016-12-13 07:16
楼主能不能帮忙看一下这个问题。。。。。

文件名有问题吧,无法保存写入
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 2016-12-13 19:43:19 | 显示全部楼层
谢谢楼主指出!
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 2017-2-17 16:09:05 | 显示全部楼层
老王他师父 发表于 2016-12-13 12:45
文件名有问题吧,无法保存写入

。。。这段时间有事没有上论坛。。。。这个我当时那天下午在别的帖子里找到结果了,是我代码还有点问题,还是谢谢楼主
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 2017-2-23 22:49:44 | 显示全部楼层
2365
Traceback (most recent call last):
  File "C:\Users\samash\Desktop\1.py", line 37, in <module>
    downloadgirls()
  File "C:\Users\samash\Desktop\1.py", line 27, in downloadgirls
    page_num = int(get_page(url))
TypeError: int() argument must be a string, a bytes-like object or a number, not 'NoneType'
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 2017-2-23 22:52:56 | 显示全部楼层
================== RESTART: E:\workspace\py\download_pic.py ==================
Traceback (most recent call last):
  File "E:\workspace\py\download_pic.py", line 74, in <module>
    download_pic()
  File "E:\workspace\py\download_pic.py", line 65, in download_pic
    page_num = int(get_page(url))
  File "E:\workspace\py\download_pic.py", line 14, in get_page
    html = url_open().decode('utf-8')
  File "E:\workspace\py\download_pic.py", line 6, in url_open
    req = urllib.request.Request(url)
NameError: name 'url' is not defined
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 2017-2-24 11:25:35 | 显示全部楼层
学习学习
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 2017-3-2 15:00:53 | 显示全部楼层
谢谢!
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 2017-3-2 15:15:30 | 显示全部楼层
膜拜,学习~
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 2017-3-3 22:52:53 | 显示全部楼层
学习下学习下
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 2017-4-25 09:29:55 | 显示全部楼层
要看看,求看
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 16:34

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表