为了账号安全,请及时绑定邮箱和手机立即绑定

只抓取一行 第二行就输出failed 跪求解决方法

spider_main代码

# -*- coding: utf-8 -*-
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.download(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 == 1000:
                    break
                count = count + 1
            except:
                print 'craw failed'
        self.outputer.output_html()


if __name__=='__main__':
    root_url = "http://baike.baidu.com/view/21087.html"
    obj_spider = SpiderMain()
    obj_spider.craw(root_url)

https://img1.sycdn.imooc.com//5b3c2fd90001b0bc05250163.jpg

正在回答

2 回答

我的也是这个问题response =request.urlopen(url)爬取到的只有头标签的内容还不完整。。

0 回复 有任何疑惑可以回复我~

这个路径访问失败吧?我看现在百科路径不是这个了,所以没有新的待爬取路径产生。。你改成现在的试试,包括爬取目标的格式也变了

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

只抓取一行 第二行就输出failed 跪求解决方法

我要回答 关注问题
意见反馈 帮助中心 APP下载
官方微信