import urllib2,cookielib
site= "https://www.google.com/search?q=buddha&source=lnms&tbm=isch'"
hdr = {'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64 Safari/537.11',
'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
'Accept-Charset': 'ISO-8859-1,utf-8;q=0.7,*;q=0.3',
'Accept-Encoding': 'none',
'Accept-Language': 'en-US,en;q=0.8',
'Connection': 'keep-alive'}
req = urllib2.Request(site, headers=hdr)
try:
page = urllib2.urlopen(req)
content = page.read()
except urllib2.HTTPError, e:
content = e.fp.read()
#content = page.read()
print content
imgstart = 1
while imgstart > 1:
start = imgstart+1
imgstart = content.find(',"ou":"',start)
#print imgstart
imgend = content.find('","ow":',imgstart+1)
#print imgend
imgurl = content[imgstart+7:imgend]
print imgurl
如果我将打印的内容复制到Notepad ++中,我可以很容易地找到','ou“:”'但是由于某些原因我的content.find
方法不能。
答案 0 :(得分:1)
你有两个问题。第一个是你永远不会进入你的while循环:
您已设置imgstart = 1
,因此您永远不会进入循环。
改为设置:
while imgstart >= 1:
然而,你的下一个问题是你有一个无限循环,因为你在循环中递增imgstart。我不确定你对这个增量器的意图是什么,但你需要确保你有退出条件。
根据提供的代码,我设法让它运行,但是,我确实需要稍微修改它以确保它结束。
我将while循环更改为仅运行10次迭代才能获得某种样本。一些数据作为完整标记返回,我认为你不想要,但那里有URL。因此,您可能需要查找匹配器以确保正确匹配。
imgstart = 1
i = 0
#while imgstart >= 1:
while i <= 10:
start = imgstart+1
imgstart = content.find(',"ou":"', start)
imgend = content.find('","ow":', imgstart + 1)
imgurl = content[imgstart+7:imgend]
print imgurl
i += 1
答案 1 :(得分:0)
您不在while
循环中,因为开头的imgstart == 1