python爬蟲之異常捕獲及標(biāo)簽過濾詳解
增加異常捕獲，更容易現(xiàn)問題的解決方向
import ssl
import urllib.request
from bs4 import BeautifulSoup
from urllib.error import HTTPError, URLError
def get_data(url):
headers = {"user-agent":
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.93 Safari/537.36"
}
ssl._create_default_https_context = ssl._create_unverified_context
"""
urlopen處增加兩個(gè)異常捕獲：
1、如果頁面出現(xiàn)錯(cuò)誤或者服務(wù)器不存在時(shí)，會(huì)拋HTTP錯(cuò)誤代碼
2、如果url寫錯(cuò)了或者是鏈接打不開時(shí)，會(huì)拋URLError錯(cuò)誤
"""
try:
url_obj = urllib.request.Request(url, headers=headers)
response = urllib.request.urlopen(url_obj)
html = response.read().decode('utf8')
except (HTTPError, URLError)as e:
raise e
"""
BeautifulSoup處增加異常捕獲是因?yàn)锽eautifulSoup對(duì)象中有時(shí)候標(biāo)簽實(shí)際不存在時(shí)，會(huì)返回None值；
因?yàn)椴恢溃哉{(diào)用了就會(huì)導(dǎo)致拋出AttributeError: 'NoneType' object has no xxxxxxx。
"""
try:
bs = BeautifulSoup(html, "html.parser")
results = bs.body
except AttributeError as e:
return None
return results
if __name__ == '__main__':
print(get_data("https://movie.douban.com/chart"))
解析html，更好的實(shí)現(xiàn)數(shù)據(jù)展示效果
- get_text()：獲取文本信息
# 此處代碼同上面打開url代碼一致，故此處省略......
html = response.read().decode('utf8')
bs = BeautifulSoup(html, "html.parser")
data = bs.find('span', {'class': 'pl'})
print(f'電影評(píng)價(jià)數(shù)：{data}')
print(f'電影評(píng)價(jià)數(shù)：{data.get_text()}')
運(yùn)行后的結(jié)果顯示如下：
電影評(píng)價(jià)數(shù)：<span class="pl">(38054人評(píng)價(jià))</span> 電影評(píng)價(jià)數(shù)：(38054人評(píng)價(jià))
- find() 方法是過濾HTML標(biāo)簽，查找需要的單個(gè)標(biāo)簽
實(shí)際find方法封裝是調(diào)用了正則find_all方法，把find_all中的limt參數(shù)傳1，獲取單個(gè)標(biāo)簽
1.name：可直接理解為標(biāo)簽元素
2.attrs：字典格式，放屬性和屬性值{"class":"indent"}
3.recursive：遞歸參數(shù)，布爾值，為真時(shí)遞歸查詢子標(biāo)簽
4.text：標(biāo)簽的文本內(nèi)容匹配 , 是標(biāo)簽的文本，標(biāo)簽的文本
- find_all() 方法是過濾HTML標(biāo)簽，查找需要的標(biāo)簽組
使用方法適合find一樣的，無非就是多了個(gè)limit參數(shù)（篩選數(shù)據(jù))
必須注意的小知識(shí)點(diǎn)：
#下面兩種寫法，實(shí)際是一樣的功能，都是查詢id為text的屬性值
bs.find_all(id="text")
bs.find_all(' ', {"id": "text"})
#如果是class的就不能class="x x x"了，因?yàn)閏lass是python中類的關(guān)鍵字
bs.find_all(class_="text")
bs.find_all(' ', {"class": "text"})
到此這篇關(guān)于python爬蟲之異常捕獲及標(biāo)簽過濾詳解的文章就介紹到這了,更多相關(guān)python異常捕獲及標(biāo)簽過濾內(nèi)容請(qǐng)搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！
版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。
關(guān)注官方微信