为了账号安全,请及时绑定邮箱和手机立即绑定

按照课程写的爬虫程序但是输出没有任何结果?

按照课程写的爬虫程序但是输出没有任何结果?

小宝君等期待 2016-08-17 18:16:26
主程序:from baidubaike import url_manger, html_download, html_parser, html_outputerclass SpiderMain(object):    def __init__(self):        self.urls = url_manger.UrlManager()        self.downloader = html_download.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 +=1            except:                print('craw failed')        self.outputer.output_html()        if __name__ =="main":    root_url = "http://baike.baidu.com/view/21087.htm"    obj_spider = SpiderMain()    obj_spider.craw(root_url)parser程序:from bs4 import BeautifulSoupimport refrom urllib.parse import urljoinclass HtmlParser(object):      def _get_new_urls(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 _get_new_data(self, page_url, soup):       new_urls = set()       links = soup.find_all('a',re.compile(r'/view/\d+\.htm'))       for link in links:           new_url = link['href']           new_full_url = urljoin(page_url,new_url)           new_urls.add(new_full_url)       return new_urls   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_dataoutputer程序:class HtmlOutputer(object):   def __init__(self):       self.datas = []          def collect_data(self,data):       if data is None:           return       self.datas.append(data)         def output_html(self):       fout = open('output.html','w')              fout.write('<html>')       fout.write('<body>')       fout.write('<table>')       for data in self.datas:           fout.write('<tr>')           fout.write('<td>%s</td>'% data['url'].encode('utf-8'))           fout.write('<td>%s</td>'% data['title'].encode('utf-8'))           fout.write('<td>%s</td>'% data['summary'].encode('utf-8'))       fout.write('</table>')       fout.write('</body>')       fout.write('</html>')
查看完整描述

3 回答

?
wmmn

TA贡献1条经验 获得超1个赞

楼主问题解决了吗,我也出现了一样的问题

查看完整回答
1 反对 回复 2017-06-18
?
慕勒1493297

TA贡献1条经验 获得超1个赞

楼主问题解决了么~我现在也遇到了相同的问题~~

查看完整回答
1 反对 回复 2017-03-16
?
tanhouyusheng

TA贡献94条经验 获得超59个赞

是写到文件里的,你看看你的文件

查看完整回答
反对 回复 2016-08-18
  • 3 回答
  • 0 关注
  • 2588 浏览
慕课专栏
更多

添加回答

举报

0/150
提交
取消
意见反馈 帮助中心 APP下载
官方微信