请教各位:python爬虫编码问题,版本3.6,win10 64位下?
这是报错信息:
Traceback (most recent call last):
File "D:\py\pic_downfrom2255ok.py", line 45, in <module>
html = getHtml(url_all[i])
File "D:\py\pic_downfrom2255ok.py", line 32, in getHtml
html = response.read().decode()
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb3 in position 184: invalid start byte
改了好多地方,主要可能是目标网站是gb2312编码,
这个程序在别的网站是可以正常下载图片的,换上现在的网站就有问题
还请各位多多指教,问题出在哪里?试了几个方法都不行
源码如下:
#coding=utf-8
import urllib.request
from urllib.request import urlopen, urlretrieve
import urllib
import urllib.parse
import re
import os
from bs4 import BeautifulSoup
url_all =[
'http://www.shop2255.com/showpro/2603.html',
'http://www.shop2255.com/showpro/1558.html',
'http://www.shop2255.com/showpro/1564.html',
'http://www.shop2255.com/showpro/2411.html',
'http://www.shop2255.com/showpro/2409.html',
'http://www.shop2255.com/showpro/1561.html',
'http://www.shop2255.com/showpro/2414.html',
'http://www.shop2255.com/showpro/2609.html',
'http://www.shop2255.com/showpro/2413.html',
'http://www.shop2255.com/showpro/2604.html',
'http://www.shop2255.com/showpro/2605.html',
'http://www.shop2255.com/showpro/2606.html',
'http://www.shop2255.com/showpro/2608.html',
'http://www.shop2255.com/showpro/2607.html',
'http://www.shop2255.com/showpro/2610.html']
def getHtml(url):
response = urlopen(url)
html = response.read().decode("gbk")
return html
def getImg(html):
reg = 'src="(.+?\.jpg)"'
imgre = re.compile(reg)
imglist = re.findall(imgre,html)
return imglist
for i in range(len(url_all)):
html = getHtml(url_all[i])
list=getImg(html.decode())
x = 0
for imgurl in list:
print(x)
file_path = url_all[i]
(filepath,tempfilename) = os.path.split(file_path)
(filename,extension) = os.path.splitext(tempfilename)
if not os.path.exists('d:\%s' % filename):
os.mkdir('d:\%s' % filename)
# os.mkdir('D:\%s' % filename2)
local=r'D:\%s\%s.jpg' % (filename,imgurl.splite("/")[-1])
urllib.request.urlretrieve(imgurl,local)
x+=1
print("done")
如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱,如果其他用户或者作者回复了您的评论,将不能在第一时间通知您!
发布评论
评论(2)
首先在你这个代码里面
local=r'D:\%s\%s.jpg' % (filename,imgurl.splite("/")[-1])
中split
写成了splite
.还有
urllib.request.urlretrieve(imgurl,local)
这个imgurl
不是一个合法的url,只是一个相对 url, 要改成绝对 url,需要加上
base_url = 'http://www.shop2255.com/'
还有生成的文件路径好像也有问题.