Question

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。

Answer 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

Answer 2

您不在while循环中，因为开头的imgstart == 1

这个python find（）方法我做错了什么？

2 个答案: