为了账号安全,请及时绑定邮箱和手机立即绑定

无任何结果

根据视频代码,把几个模块的代码都写好了,可是为什么运行主程序没有任何结果,https://img1.sycdn.imooc.com//5b606ac90001839e13660768.jpg

正在回答

2 回答

from bs4 import BeautifulSoup

import re

import urlparse

class HtmlParser(object):   

    def _get_new_urls(self, page_url, soup):

        new_urls=set()

        links=soup.find_all('a',href=re.compile(r"/view/\d+\.html"))

        for link in links:

            new_url=link['href']

            new_full_url=urlparse.urljoin(page_url,new_url)

            new_urls.add(new_full_url)

        return new_urls

    # class="lemmaWgt-lemmaTitle-title"

    def _get_new_data(self, page_url, soup):

        res_data={}

        res_data['url']=page_url

        

        title_node=soup.find('dd',class_="lemmaWgt-lemmaTitle-title").find("h1")

        res_data['title']=title_node.get_text()

        

        summary_node=soup.find('div',class_='lemma-summary')

        res_data['summary']=summary_node.get_text()

        return res_data

    def parse(self,page_url,html_cont):

        if page_url is None or html_cont is None:

            return

        soup= BeautifulSoup(html_cont,'html.parser',from_encoding= 'utf-8')

        new_urls=self._get_new_urls(page_url,soup)

        new_data=self._get_new_data(page_url,soup)

        return new_urls,new_data 

    


0 回复 有任何疑惑可以回复我~

百度的url 不一样,python页是这个:https://baike.baidu.com/item/Python/407313

里面的链接也有变化

0 回复 有任何疑惑可以回复我~
#1

qq_passerby_13 提问者

if __name__=="__main__": root_url="https://baike.baidu.com/item/Python/407313" obj_spider=spiderMain() obj_spider.craw=(root_url) 这是我的代码,url就是你这个
2018-08-12 回复 有任何疑惑可以回复我~
#2

慕粉1747008777 回复 qq_passerby_13 提问者

解析器里的代码呢?
2018-08-15 回复 有任何疑惑可以回复我~
#3

qq_passerby_13 提问者 回复 慕粉1747008777

看我回复
2018-08-16 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

无任何结果

我要回答 关注问题
意见反馈 帮助中心 APP下载
官方微信