为了账号安全,请及时绑定邮箱和手机立即绑定

Python开发简单爬虫

蚂蚁帅帅 全栈工程师
难度初级
时长 1小时14分
学习人数
综合评分9.67
646人评价 查看评价
9.9 内容实用
9.6 简洁易懂
9.5 逻辑清晰

最新回答 / Roc_J
我的可以啊。你把光标定位在那个方法后面

最赞回答 / 梨狗子
检查一下html_parser中_get_new_urls方法的return new_urls语句的缩进。应放在for循环外

最赞回答 / Effortjohn
html_outputer代码里,在写入<html>和<body>之间,再写入<head><meta charset="utf-8"></head>像下面这样:        fout=open('output.html','w')        fout.write("<html>")        fout.write("<body>")        fout.write("<head>")       ...

最新回答 / 梨狗子
https://docs.python.org/3.5/library/urllib.request.html 有改动试一下import urllib.request然后使用rullib.request.urlopen()方法详细介绍可到相对应的python版本的官方文档Library Reference查看

最赞回答 / zoho
应该铁定是输错了,比如href啥的,不要输成herf,血泪史。。

最赞回答 / Effortjohn
出错原因应该是你没把 HtmlOutputer 给实例化。可以检查调度程序spider_main.py中的class SpiderMain里的def __init__(self):有没有这个语句:self.outputer = html_outputer.HtmlOutputer()

最赞回答 / Ariesfish
代码中设定了输出编码是utf-8,但是没有在html head中加入该网页的编码格式,浏览器就用默认的编码方式去解析了。在<...code...>下面追加输出<...code...>就可以解决了。
课程须知
本课程是Python语言开发的高级课程 1、Python编程语法; 2、HTML语言基础知识; 3、正则表达式基础知识;
老师告诉你能学到什么?
1、爬虫技术的含义和存在价值 2、爬虫技术架构 3、组成爬虫的关键模块:URL管理器、HTML下载器和HTML解析器 4、实战抓取百度百科1000个词条页面数据的抓取策略设定、实战代码编写、爬虫实例运行 5、一套极简的可扩展爬虫代码,修改本代码,你就能抓取任何互联网网页!

微信扫码,参与3人拼团

意见反馈 帮助中心 APP下载
官方微信
友情提示:

您好,此课程属于迁移课程,您已购买该课程,无需重复购买,感谢您对慕课网的支持!

本次提问将花费2个积分

你的积分不足,无法发表

为什么扣积分?

本次提问将花费2个积分

继续发表请点击 "确定"

为什么扣积分?

举报

0/150
提交
取消