在Python中使用requests库爬取数据时返回为空如何解决-创新互联
在Python中使用requests库爬取数据时返回为空如何解决?很多新手对此不是很清楚,为了帮助大家解决这个难题,下面小编将为大家详细讲解,有这方面需求的人可以来学习下,希望你能有所收获。
创新互联主营汉源网站建设的网络公司,主营网站建设方案,重庆APP开发,汉源h5成都微信小程序搭建,汉源网站营销推广欢迎汉源等地区企业咨询Python主要用来做什么
Python主要应用于:1、Web开发;2、数据科学研究;3、网络爬虫;4、嵌入式应用开发;5、游戏开发;6、桌面应用开发。
html字段:
robots协议:
现在我们开始用python IDLE 爬取
import requests r = requests.get("https://baike.so.com/doc/24368318-25185095.html") r.status_code r.text
结果分析,我们可以成功访问到该网页,但是得不到网页的结果。被360搜索识别,我们将headers修改。
输出有个小插曲,网页内容很多,我是想将前500个字符输出,第一次格式错了
import requests headers = { 'Cookie':'OCSSID=4df0bjva6j7ejussu8al3eqo03', 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36' '(KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36', } r = requests.get("https://baike.so.com/doc/24368318-25185095.html", headers = headers) r.status_code r.text
接着我们对需要的内容进行爬取,用(.find)方法找到我们内容位置,用(.children)下行遍历的方法对内容进行爬取,用(isinstance)方法对内容进行筛选:
import requests from bs4 import BeautifulSoup import bs4 headers = { 'Cookie':'OCSSID=4df0bjva6j7ejussu8al3eqo03', 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36' '(KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36', } r = requests.get("https://baike.so.com/doc/24368318-25185095.html", headers = headers) r.status_code r.encoding = r.apparent_encoding soup = BeautifulSoup(r.text, "html.parser") for tr in soup.find('tbody').children: if isinstance(tr, bs4.element.Tag): tds = tr('td') print([tds[0].string, tds[1].string, tds[2].string])
得到结果如下:
修改输出的数目,我们用Clist列表来存取所有城市的排名,将前20个输出代码如下:
import requests from bs4 import BeautifulSoup import bs4 Clist = list() #存所有城市的列表 headers = { 'Cookie':'OCSSID=4df0bjva6j7ejussu8al3eqo03', 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36' '(KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36', } r = requests.get("https://baike.so.com/doc/24368318-25185095.html", headers = headers) r.encoding = r.apparent_encoding #将html的编码解码为utf-8格式 soup = BeautifulSoup(r.text, "html.parser") #重新排版 for tr in soup.find('tbody').children: #将tbody标签的子列全部读取 if isinstance(tr, bs4.element.Tag): #筛选tb列表,将有内容的筛选出啦 tds = tr('td') Clist.append([tds[0].string, tds[1].string, tds[2].string]) for i in range(21): print(Clist[i])
最终结果:
看完上述内容是否对您有帮助呢?如果还想对相关知识有进一步的了解或阅读更多相关文章,请关注创新互联行业资讯频道,感谢您对创新互联网站建设公司,的支持。
新闻名称:在Python中使用requests库爬取数据时返回为空如何解决-创新互联
文章分享:http://myzitong.com/article/phcci.html