为了账号安全,请及时绑定邮箱和手机立即绑定

每次运行爬取到的结果都不想相同,都到不了设置的数量,怎么回事?

#coding=utf-8
#爬虫总调度程序

from baike_spider import url_manager, html_downloader, html_parser,\
    html_outputer


class SpiderMain(object):
    def __init__(self):
        self.urls=url_manager.UrlManager()
        self.downloader = html_downloader.HtmlDownloader()
        self.parser = html_parser.HtmlParser()
        self.outputer = html_outputer.HtmlOutputer()
        
    
    def craw(self, root_url):
        count = 1
        self.urls.add_new_url(root_url)
        while self.urls.has_new_url():
            try:
                new_url = self.urls.get_new_url()
                print "craw %d :%s"%(count,new_url)
                html_cont = self.downloader.dowload(new_url)
                new_urls,new_data = self.parser.parse(new_url,html_cont)
                self.urls.add_new_urls(new_urls)
                self.outputer.collect_data(new_data)
            
                if count == 30:
                    break
                
                count = count +1
            except:
                print 'craw failed'
            
        self.outputer.output_html()    
    
    
if __name__ == "__main__":
    root_url = "http://baike.baidu.com/view/21087.htm" #设置爬取的入口URL
    obj_spider = SpiderMain()
    obj_spider.craw(root_url)  #调用爬虫的craw来启动爬虫


正在回答

1 回答

首先你需要知道程序在哪里报错,报的什么错,所以你可以在处理except部分打印出异常错误的信息,便于查看后续找错,比如这样

except Exception as e:
    print 'craw failed:%s' % e

然后运行程序,发现报

craw failed:'HtmlDownloader' object has no attribute 'dowload'

错误,字面意思是HtmlDownloader对象没有dowload这个的属性,找到这个对象:

html_cont = self.downloader.dowload(new_url)

然后仔细观察你就会发现你的方法名字拼写错误,少了一个n,应该是download,而不是dowload,改正后运行就可以了。

同是python小白,一起加油哈哈!!!

0 回复 有任何疑惑可以回复我~

举报

0/150
提交
取消
Python开发简单爬虫
  • 参与学习       227670    人
  • 解答问题       1219    个

本教程带您解开python爬虫这门神奇技术的面纱

进入课程

每次运行爬取到的结果都不想相同,都到不了设置的数量,怎么回事?

我要回答 关注问题
意见反馈 帮助中心 APP下载
官方微信