昨天晚上写了个 Python 程序，下载了一个福利网站 5000 来张妹子图片

[liuxu]

github:
https://github.com/liuxu0315/download_nvshen_so

执行：$ python nvshen_so.py

用了多线程， 8 条线程，在 /tmp 下生成 nvshen_so/01 等文件夹并下载到相应的目录。
里面有 2 行代码被注释掉了，它们是配套的，用来下载 2014/12/下的图片，有几百张。

现在有个问题，我的程序无法一次全部下载完，总是漏一点，要么是执行一段时间后就卡死不动了不知道是什么原因。。
当然下载图片前有判断是否有该文件，可以重复执行下载程序，不过这个治标没治本。。

[publicID001]

import sqlite

[Aidea]

煎蛋妹子吗

[vmebeh]

看看是卡在哪一步，一般是下载的时候卡了吧，设置超时，等超时了重试；复杂点就是 1L

[Tink]

也有可能是防爬虫导致的

[rming]

额 fork 来学习下

[liuxu]

@publicID001
@vmebeh

谢谢，我的 /tmp 是 ramdisk ，应该不是硬盘速度问题。。我看看是不是超时的原因

[liuxu]

@Aidea nvshen.so ，女神吧。

[sangmong]

我只想问一句：照片呢！！

[liuxu]

@Tink 我多次执行脚本没问题，他们网站用 wordpress 搭建，图片命名还是 1.jpg,2.jpg 这样的，应该没有做防爬虫。

[liuxu]

@sangmong 哈哈，自己用 python 跑

[loading]

用 webzip 不就好了~配合 everything ，何必自己写。

学习除外！

[a308057848]

不要老是偷偷地下，我想说下次请带上我

[omph]

好无聊啊，你要说写了个程序能把妹子 P 成 5000 种样子，那就惊世骇俗了

[ifishman]

为什么不先扒图片链接，再根据队列多线程下载，这样不就能把链接分享给我了吗

[niushifan]

还以为有照片呢

[liuxu]

@loading
@a308057848
学习学习，哈哈

[liuxu]

@omph 处理图片么，倒是用过 pythonmagick 转换过图片。。

[liuxu]

@ifishman 好方法，周末有时间我再写一个

[liuxu]

@niushifan 学习 python 用的，哈哈

[anthonylimhc]

WindowsError: [Error 3] The system cannot find the path specified: '/tmp/vnshen_so/'
我在 win8 上跑，手动创建了 /tmp 文件夹就行了

[leavic]

这网站的图片 URL 对爬虫太友好了。。。。

[Ouyangan]

正在看廖雪峰 python3 的教程呢? 看到 generator 那里晕着呢.

[dingyaguang117]

指定 timeout 是防卡死必须得呀

[ljbha007]

为啥你们都喜欢看妹子图片 不会越看越饥渴么

[yh7gdiaYW]

跑了一下，效果拔群

[tt88050643]

曾经设置 timeout 也不管用，然后写了个类似看门狗的线程来守护主线程，虽然方法很挫，但是成功下载到了十几万张图片。

[wizardoz]

少年你需要的是 scrapy

[liuxu]

@anthonylimhc
我的是 ubuntu,windows 上把程序的 basePath 改成 D:什么的也行

[liuxu]

@wizardoz
哈哈哈，它叫小刮刮啊，周末我拿了学习学习，感谢

[kepenj]

艾玛~ 我以为是颜色网站呢~ 专门还偷偷下了源码去找...

[kenshinhu]

为了这个，我要学 python

[leorc]

图呢。。。。

[Dongdong36]

再贡献两个...咳咳
https://github.com/sincerefly/Learning/blob/master/py/douban-meizi.py
这个貌似是哪个 V 友写的，抓取豆瓣妹子的，当时刚接触 py 爬虫就收藏一下

https://github.com/sincerefly/Learning/blob/master/py/getMeezin.py
这个是抓取 meez.in 的，遍历 wordpress 文章 id 抓取，索性图片没多少，千张图片不到，直接遍历一遍就可以，哦，对了，这个站是我的，如果只是单纯的想收藏图片的也可以直接向我要就好了......==！

[xpol]

以前用 ruby 写过一个爬 tusi8 的。好像输出了一个 json 文件，保存已经爬过了的（包括网盘连接和密码）。有想要的不？

[Exin]

一直不会写超时，导致我的爬虫爬不好的图床时总是卡死……

[freaks]

@liuxu 为什么运行不起来呢?

[fjgwg]

楼主你妹的，为什么扒我的站 搞的网站卡的要死

[qq723985066]

@fjgwg 哎呀我擦……不会吧

[kknd22]

容错太少
失败尝试重试
python 的 urllib 和 urllib2 模块检测错误能力都很强，但是下载经常出现图片不完整
我虽不怎么懂 python ，代码也是抄的，但是找到了一个笨办法解决：
足够的迭代重试，就可以解决下载图片不完整或者空的问题。

[fjgwg]

要扒你自己一个人扒，现在还把代码发出来 搞的大家都在扒

[zixianlei]

难道楼上就是站长？哈哈^ω^

[happywowwow]

站长 来了 哈哈哈

[wenbinwu]

@freaks 你想在 python 里面运行另一个 python ？

[wenbinwu]

哈哈哈，站长告诉你要 sleep

[chanssl]

哈哈，笑翻了

[Kokororin]

好奇站长是怎么找过来的

[jonnn]

站长找上门来了！

[malcolmyu]

@fjgwg 爬的都访问不了了

[libotony]

@fjgwg 站长不哭，已经收藏你的站

[wuwuyun]

hahahaha 站长哭晕在厕所

[idblife]

擦，我都是人肉爬虫的。。。

http://qingbuyaohaixiu.com/

[flight2006]

想起了我的 1024.py

[idblife]

@flight2006
这位大哥口味够重
话说那么多种图床，好抓吗？

[qinglangee]

把潜水的站长给逼了出来

[ybh37]

硬生生的把站长逼出来了啊~

[Andy1999]

看到站长我笑了 哈哈哈哈

[axzy]

楼主可以把图片打包提供下载吗

[karlxu]

@Dongdong36 请教下怎么加代理？

[thinkmore]

为啥不把链接先趴下来呢

[Dongdong36]

@karlxu requests 的话
http://requests-docs-cn.readthedocs.org/zh_CN/latest/user/advanced.html

[flight2006]

@idblife 我就抓自拍板块下的图，难度还可以吧，需要随机换浏览器头信息，不然会 403

[freaks]

@zhanzhang,sorry,I'm sorry , I'm python newbie, only a test

[jiehuangwei]

站长，你们可以一起喝个东西，讨论下合作的可能性

[liuxu]

@fjgwg 站长哥你来了啊！其实我就是手抖了一下，把代码不小心抖出来了，然后抖上了 github ，又抖到了 V2EX ，真的。。你知道的，单身狗，手抖的厉害，控制不住。。

[liuxu]

@fjgwg 哥的站我收藏了，给我机油分享，妥妥的

[wezzard]

@fjgwg 站长不哭，站起来撸。（我也要扒……逃

[liuxu]

@axzy 怕站长打我屁屁哈哈哈

[liuxu]

@thinkmore 第一次写没经验，下一个程序我会注意的

[gulullu]

@Dongdong36 求妹纸图片 = =

[lao454490095]

@omph hhh ，你这主意不错

[Dongdong36]

@gulullu http://pan.baidu.com/s/1gdzwxEz cner

[ltxxgs]

谁再写一个， ui.cn 的图片，其中 http://img.ui.cn/data/file 为固定地址，后面的地址取图片的后三位分别是文件夹“ 2 ”，文件夹“ 0 ”，文件夹“ 2 ”，最后是文件名称，有 jpg ，也有 png 。
http://img.ui.cn/data/file/2/0/2/317202.png

[metas]

@fjgwg 你为何如此叼，都找上门来了

[coderkiss]

@idblife 你的站点质量高 :D

[fjgwg]

得不到的拼命想得到，正当你得到时其实并没有想象中的那么好。


一切都是浮云。。

[cbsw]

你们这帮禽兽，我都还来不及看看网站里都有什么样的妹子，就被你们玩成 502 了

[ether]

警察叔叔就是这个人！

[shenxian]

233 站长好拼 笑死我了

[smallsix]

@wizardoz 我擦，是你吗？

[smallsix]

@ltxxgs 把地址改下就好了

[billwang]

站长还是打个包在 v2 上发个福利吧，不然大家还得分头跑，多浪费时间呀。哈哈

[hdbean]

t6 的图的可以爬吗?

[wizardoz]

@smallsix 是谁？

[kknd22]

其实我也不懂 python
顺道求楼主，多线程教程

[falcon05]

为了这个默默抄起荒废多年的 Python

[liuxu]

@kknd22
我看的这个
http://www.cnblogs.com/tqsummer/archive/2011/01/25/1944771.html

[liushuaikobe]

这种东西果断 gevent 啊！眨眼间就可以判断出来被扒的站有没有做放扒策略！

[liuxu]

@liushuaikobe
感谢，查了下教程，长姿势了

@kknd22
又一并发教程
http://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000/001407503089986d175822da68d4d6685fbe849a0e0ca35000

[Alex77Lee]

我只是把被抓的网站拿走了。

[kknd22]

@liuxu

Re:88 楼
windows 狗表示默默撸过
Re:86 楼
并非干这行业，之前想要多线程，无非是想爬这个站 http://www.nongji360.com/e-book/
后来脚本也写好了，无奈发现重心反倒放到了写脚本上边
也曾想过添加多线程，失败告终。
发出当时写的脚本来，仅做参考，而且考虑再三，也不大想加多线程了，当初我自己爬，都把他服务器爬死好几天。。。
https://github.com/kknd222/test
代码不咋地，但是希望能给你点提示，需要两个包
1 ） reportlab-3.0.win32-py2.7.exe
2 ） PIL-1.1.7.win32-py2.7.exe

[brotherlegend]

站长表示 很气愤，净浪费带宽。哈哈。

[smallsix]

@wizardoz 你头像和我认识的一个朋友头像一样的，以为是同一个人呢

[Aresyz]

lz 和我去年神相似，当时边爬边写到文件夹， 5000+妹子图，用的 node ，来，握个爪！

[Ouyangan]

66666

[shulen]

不开个网站，给大伙发个中秋福利啥的？

[liuxu]

@Aresyz 握抓~

[aalska]

File "./nvshen_so.py", line 4
<!DOCTYPE html>
^
SyntaxError: invalid syntax

是啥问题 对 python 完全陌生

[Ixizi]

哈哈哈哈~~~~ 求学习资料!!! 表示很感兴趣

[liuxu]

@aalska 你做了什么，是不是改了代码

[liuxu]

@Ixizi 欲望是最好的老师哈哈哈