无味33 2021-10-12 15:12 采纳率: 63.3%
浏览 51
已结题

python入门爬虫,爬不出来图片。

img


为什么爬不了来图片呀,爬不出来。


def download_jpg(url):
    response = urllib.request.urlopen(url)
    html = response.read().decode()
    pattern = 'src="(https://st-cn\.meishij\.net/.+?\.jpg)"'
    image_urls = re.findall(pattern,html)

    i=0
    for url in image_urls:
        urllib.request.urlretrieve(url,"/home/aistudio/data/1/img{:04d}.jpg".format(i))
        i += 1
        print(url)
        print("download successfully")

  • 写回答

2条回答 默认 最新

  • 7*24 工作者 2021-10-12 16:03
    关注

    在爬虫过程中,最好把请求头添加上

    #!/usr/bin/env python
    # -*- coding:utf-8 -*-
    
    import re,requests
    from urllib.request import urlretrieve
    
    url = 'https://www.meishij.net/zuofa/zhuduji_7.html'
    headers = {
        "User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.87 Safari/537.36",
        "Refer":'https://www.meishij.net/',
        "Host":"www.meishij.net",
        "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3",
    }
    
    
    def download_jpg(url):
        html = requests.get(url,headers=headers).content.decode('utf-8')
        pattern = 'src="(https://st-cn\.meishij\.net/.+?\.jpg)"'
        image_urls = re.findall(pattern, html)
        count = 0
        for image_url in image_urls:
            print(image_url)
            name = image_url.rsplit('/', 1)[1]
            urlretrieve(image_url, name)
            # urlretrieve(image_url, '/home/aistudio/data/1/img{}'.format(name))
            count += 1
            print("download successfully")
        print(count)
    
    if __name__ == '__main__':
        url = 'https://www.meishij.net/zuofa/zhuduji_7.html'
        download_jpg(url)
    

    img

    本回答被题主选为最佳回答 , 对您是否有帮助呢?
    评论
查看更多回答(1条)

报告相同问题?

问题事件

  • 系统已结题 10月20日
  • 已采纳回答 10月12日
  • 创建了问题 10月12日

悬赏问题

  • ¥15 WPF 大屏看板表格背景图片设置
  • ¥15 这个主板怎么能扩出一两个sata口
  • ¥15 不是,这到底错哪儿了😭
  • ¥15 2020长安杯与连接网探
  • ¥15 关于#matlab#的问题:在模糊控制器中选出线路信息,在simulink中根据线路信息生成速度时间目标曲线(初速度为20m/s,15秒后减为0的速度时间图像)我想问线路信息是什么
  • ¥15 banner广告展示设置多少时间不怎么会消耗用户价值
  • ¥16 mybatis的代理对象无法通过@Autowired装填
  • ¥15 可见光定位matlab仿真
  • ¥15 arduino 四自由度机械臂
  • ¥15 wordpress 产品图片 GIF 没法显示