周末闲来无事,写了几个爬虫程序,主要是爬图片网站的图片,还有豆瓣top250的名字和评分
具体的全部源码单独写一篇进行展示,这里只记录一下写爬虫期间遇到的一些杂七杂八的问题
1.HTTPError: Forbidden
这个主要就是爬豆瓣的时候,访问可能太频繁了,被认出来是爬虫,就拒绝访问了
解决方法主要就是:
①换个ip,不过我是手机热点,重连了依然如此,更换代理ip也是如此,可能是我代码的问题
②把代码里面agent的部分换一下,比如我的之前是:
opener.addheaders=[('User-Agent','Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36')]
我换成
opener.addheaders=[('User-Agent','Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:95.0) Gecko/20100101 Firefox/95.0')]
就可以访问了,更换一个浏览器,然后打开审查元素,在里面找的
2.nothing to repeat的问题
这个就出现了一次,应该是正则模块匹配字符的时候没有匹配到任何字符,不管他
正则语法表达式我用的还不是很6,仅仅能试出来之后用代码记着,用的时候照搬
3.写入txt的问题
把变量转为字符串,然后:
with open('D:\\te