xpath爬虫解析站长

引自免费微信小程序：皆我百晓生

经过分析您的代码，我发现问题出在图片下载的部分。urllib.request.urlretrieve() 方法可能由于网站的安全设置、请求头或者其他原因导致无法正确下载图片。为了解决这个问题，我们可以尝试使用 requests 库替换 urllib.request，因为 requests 提供了更强大的功能，并且可以处理一些复杂的情况。

以下是修改后的代码：

import requests
from bs4 import BeautifulSoup
import os

def create_headers():
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/123.0.0.0 Safari/537.36 Edg/123.0.0.0',
        'Cookie':'cz_statistics_visitor = 0feda378 - 4c8f - a225 - 7a91 - 755c228c51fb;_clck = 1jn4eo3 % 7C2 % 7Cfkx % 7C0 % 7C1565;__gads = ID = b9ca106bba83c1c6:T = 1713111545:RT = 1713111545:S = ALNI_MYXYNBp9CApMOsDFxHnXQoocoLPXQ;__gpi = UID = 00000debfd2f75d9: T = 1713111545:RT = 1713111545:S = ALNI_MaWelFfZUAHAN3ee1wOLzGOFB05KA;__eoi = ID = bd66e9b7043bae01:T = 1713111545:RT = 1713111545:S = AA - Afjak04XLL - 3r2QGac86IgZ5W;_clsk = xn6u0n % 7C1713112855925 % 7C3 % 7C1 % 7Ch.clarity.ms % 2Fcollect;Hm_lvt_398913ed58c9e7dfe9695953fb7b6799 = 1713111487, 1713115404, 1713154098;Hm_lpvt_398913ed58c9e7dfe9695953fb7b6799 = 1713154098'
    }
    return headers

def download_image(url, filename):
    response = requests.get(url, headers=create_headers(), stream=True)
    if response.status_code == 200:
        with open(filename + '.jpg', 'wb') as f:
            for chunk in response.iter_content(1024):
                f.write(chunk)

def get_content_and_download_images(page, start_page, end_page):
    url = 'https://sc.chinaz.com/tupian/shanshuitupian_' + str(page) + '.html'
    headers = create_headers()
    response = requests.get(url, headers=headers)
    
    soup = BeautifulSoup(response.text, 'lxml')
    item_elements = soup.select('.item.masonry-brick img')

    for i, element in enumerate(item_elements):
        alt = element['alt']
        data_url = element['data-original']
        filename = f'image_{start_page}_{end_page}_{i}'
        download_image(data_url, filename)

if __name__ == '__main__':
    start_page = int(input('请输入起始页码'))
    end_page = int(input('请输入结束页码'))

    # 创建用于存储图片的目录，如果不存在的话
    if not os.path.exists("images"):
        os.makedirs("images")

    for page in range(start_page, end_page + 1):
        print(f"正在下载第 {page} 页...")
        get_content_and_download_images(page, start_page, end_page)
        print(f"第 {page} 页下载完成.")

这段代码做了以下更改：

1. 使用 requests 库替代 urllib.request 进行网络请求。
2. 添加了一个 create_headers() 函数来管理请求头。
3. 创建了一个新的函数 download_image() 来专门负责下载单个图片。
4. 在 get_content_and_download_images() 函数中，使用 BeautifulSoup 解析 HTML 并提取图片信息，然后调用 download_image() 下载图片。

确保在运行此代码之前已经安装了 beautifulsoup4 和 requests 库。如果没有安装，可以使用以下命令进行安装：

pip install beautifulsoup4 requests

现在，您可以按照提示输入起始页码和结束页码，程序将开始下载图片。如果遇到任何错误，请告诉我具体错误信息以便进一步排查。