为了账号安全,请及时绑定邮箱和手机立即绑定

编译没有错误,运行只能爬取root url,接着就显示craw fialed是什么原因?感觉是parser那里出了问题,大家帮忙看看,就是爬取百科里的python

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"/item/"))

        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  

    def _get_new_data(self, page_url, soup):

        res_data={}

        res_data['url']=page_url

        #<dd class="lemmaWgt-lemmaTitle-title"> <h1>Python</h1>

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

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

        #<div class="lemma-summary" label-module="lemmaSummary">

        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

    


正在回答

1 回答

问题已解决,建议有类似问题的同学,去掉try模块,看一下有没有报错,根据错误改一下,就好了

ps.我是getcode中间多加了个下划线,导致downloader不能正常运行lol

1 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

编译没有错误,运行只能爬取root url,接着就显示craw fialed是什么原因?感觉是parser那里出了问题,大家帮忙看看,就是爬取百科里的python

我要回答 关注问题
意见反馈 帮助中心 APP下载
官方微信