论坛 › Python交流 › 求大神帮我看看这个报错是怎么回事

a1437485261 发表于 2020-6-14 15:24:40

求大神帮我看看这个报错是怎么回事

是小甲鱼第二版的python教学里面的爬取豆瓣top250

a1437485261 发表于 2020-6-14 15:25:13

这是代码
import requests
import bs4
import re

def open_url(url):
    # 使用代理
    headers = {'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36'}
    # res = requests.get(ral, headers=headers, proxies=proxies)
    res = requests.get(url, headers=headers)
    return res

def find_movies(res):
    soup = bs4.BeautifulSoup(res.text, 'html.parser')
    # 电影名
    movies = []
    targets = soup.find_all('div', class_='hd')
    for each in targets:
      movies.append(each.a.span.text)
    # 评分
    ranks = []
    targets = soup.find_all('span', class_='rating_num')
    for each in targets:
      ranks.append('评分:%s' %each.text)
    # 资料
    messages = []
    targets = soup.find_all('div', class_='hd')
    for each in targets:
      try:
            messages.append(each.p.text.split('\n').strip() + each.p.text.split('\n').strip())
      except:
            continue

    result = []
    length = len(movies)
    for i in range(length):
      result.append(movies + ranks + messages + '\n')
    return result

#找出一共有多少个页面
def find_depth(res):
    soup = bs4.BeautifulSoup(res.text, 'html.parser')
    depth = soup.find('span', class_='next').previous_sibling.previous_sibling.text
    return int(depth)

def main():
    host = 'https://movie.douban.com/top250'
    res = open_url(host)
    depth = find_depth(res)

    result = []
    for i in range(depth):
      url = host + '/?start=' + str(25 * i)
      res = open_url(url)
      result.extend(find_movies(res))

    with open('豆瓣TOP250电影.txt', 'w', encoding='utf-8') as f:
      for each in result:
            f.write(each)

if __name__ == '__main__':
    main()

Twilight6 发表于 2020-6-14 15:25:49

报错呢？

a1437485261 发表于 2020-6-14 15:26:07

这是报错的类型
Traceback (most recent call last):
File "I:/Python/爬取豆瓣TOP250.py", line 61, in <module>
    main()
File "I:/Python/爬取豆瓣TOP250.py", line 54, in main
    result.extend(find_movies(res))
File "I:/Python/爬取豆瓣TOP250.py", line 36, in find_movies
    result.append(movies + ranks + messages + '\n')
IndexError: list index out of range

a1437485261 发表于 2020-6-14 15:26:41

Twilight6 发表于 2020-6-14 15:25
报错呢？

发在楼下了

a1437485261 发表于 2020-6-14 15:27:16

代码在这里
import requests
import bs4
import re

def open_url(url):
    # 使用代理
    headers = {'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36'}
    # res = requests.get(ral, headers=headers, proxies=proxies)
    res = requests.get(url, headers=headers)
    return res

def find_movies(res):
    soup = bs4.BeautifulSoup(res.text, 'html.parser')
    # 电影名
    movies = []
    targets = soup.find_all('div', class_='hd')
    for each in targets:
      movies.append(each.a.span.text)
    # 评分
    ranks = []
    targets = soup.find_all('span', class_='rating_num')
    for each in targets:
      ranks.append('评分:%s' %each.text)
    # 资料
    messages = []
    targets = soup.find_all('div', class_='hd')
    for each in targets:
      try:
            messages.append(each.p.text.split('\n').strip() + each.p.text.split('\n').strip())
      except:
            continue

    result = []
    length = len(movies)
    for i in range(length):
      result.append(movies + ranks + messages + '\n')
    return result

#找出一共有多少个页面
def find_depth(res):
    soup = bs4.BeautifulSoup(res.text, 'html.parser')
    depth = soup.find('span', class_='next').previous_sibling.previous_sibling.text
    return int(depth)

def main():
    host = 'https://movie.douban.com/top250'
    res = open_url(host)
    depth = find_depth(res)

    result = []
    for i in range(depth):
      url = host + '/?start=' + str(25 * i)
      res = open_url(url)
      result.extend(find_movies(res))

    with open('豆瓣TOP250电影.txt', 'w', encoding='utf-8') as f:
      for each in result:
            f.write(each)

if __name__ == '__main__':
    main()

a1437485261 发表于 2020-6-14 15:28:01

import requests
import bs4
import re

def open_url(url):
    # 使用代理
    headers = {'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36'}
    # res = requests.get(ral, headers=headers, proxies=proxies)
    res = requests.get(url, headers=headers)
    return res

def find_movies(res):
    soup = bs4.BeautifulSoup(res.text, 'html.parser')
    # 电影名
    movies = []
    targets = soup.find_all('div', class_='hd')
    for each in targets:
      movies.append(each.a.span.text)
    # 评分
    ranks = []
    targets = soup.find_all('span', class_='rating_num')
    for each in targets:
      ranks.append('评分:%s' %each.text)
    # 资料
    messages = []
    targets = soup.find_all('div', class_='hd')
    for each in targets:
      try:
            messages.append(each.p.text.split('\n').strip() + each.p.text.split('\n').strip())
      except:
            continue

    result = []
    length = len(movies)
    for i in range(length):
      result.append(movies + ranks + messages + '\n')
    return result

#找出一共有多少个页面
def find_depth(res):
    soup = bs4.BeautifulSoup(res.text, 'html.parser')
    depth = soup.find('span', class_='next').previous_sibling.previous_sibling.text
    return int(depth)

def main():
    host = 'https://movie.douban.com/top250'
    res = open_url(host)
    depth = find_depth(res)

    result = []
    for i in range(depth):
      url = host + '/?start=' + str(25 * i)
      res = open_url(url)
      result.extend(find_movies(res))

    with open('豆瓣TOP250电影.txt', 'w', encoding='utf-8') as f:
      for each in result:
            f.write(each)

if __name__ == '__main__':
    main()

Twilight6 发表于 2020-6-14 15:28:44

a1437485261 发表于 2020-6-14 15:26
发在楼下了

IndexError: list index out of range

索引值超出访问    在代码的 36 行 ， 你自己检查检查或者发完整代码上来

a1437485261 发表于 2020-6-14 15:28:49

代码一直发不出来。。说是要审核

a1437485261 发表于 2020-6-14 15:29:44

Twilight6 发表于 2020-6-14 15:28
IndexError: list index out of range

索引值超出访问    在代码的 36 行 ， 你自己检查检查或者发 ...

代码发了一直说要审核

liuzhengyuan 发表于 2020-6-14 15:31:04

a1437485261 发表于 2020-6-14 15:29
代码发了一直说要审核

报错信息说列表溢出了，说明 i 变量的复制有些问题

Twilight6 发表于 2020-6-14 15:31:12

a1437485261 发表于 2020-6-14 15:29
代码发了一直说要审核

你是复制小甲鱼的原代码运行的吗？

a1437485261 发表于 2020-6-14 15:31:22

import requests
import bs4
import re

def open_url(url):
    # 使用代理
    headers = {'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36'}
    # res = requests.get(ral, headers=headers, proxies=proxies)
    res = requests.get(url, headers=headers)
    return res

def find_movies(res):
    soup = bs4.BeautifulSoup(res.text, 'html.parser')
    # 电影名
    movies = []
    targets = soup.find_all('div', class_='hd')
    for each in targets:
      movies.append(each.a.span.text)
    # 评分
    ranks = []
    targets = soup.find_all('span', class_='rating_num')
    for each in targets:
      ranks.append('评分:%s' %each.text)
    # 资料
    messages = []
    targets = soup.find_all('div', class_='hd')
    for each in targets:
      try:
            messages.append(each.p.text.split('\n').strip() + each.p.text.split('\n').strip())
      except:
            continue

    result = []
    length = len(movies)
    for i in range(length):
      result.append(movies + ranks + messages + '\n')
    return result

#找出一共有多少个页面
def find_depth(res):
    soup = bs4.BeautifulSoup(res.text, 'html.parser')
    depth = soup.find('span', class_='next').previous_sibling.previous_sibling.text
    return int(depth)

def main():
    host = 'https://movie.douban.com/top250'
    res = open_url(host)
    depth = find_depth(res)

    result = []
    for i in range(depth):
      url = host + '/?start=' + str(25 * i)
      res = open_url(url)
      result.extend(find_movies(res))

    with open('豆瓣TOP250电影.txt', 'w', encoding='utf-8') as f:
      for each in result:
            f.write(each)

if __name__ == '__main__':
    main()

a1437485261 发表于 2020-6-14 15:33:42

Twilight6 发表于 2020-6-14 15:31
你是复制小甲鱼的原代码运行的吗？

是的 除了没有用代理ip 其他基本都是一样的
result = []
    length = len(movies)
    for i in range(length):
      result.append(movies + ranks + messages + '\n')      这个是36行的代码
    return result

Twilight6 发表于 2020-6-14 15:36:26

a1437485261 发表于 2020-6-14 15:33
是的 除了没有用代理ip 其他基本都是一样的
result = []
    length = len(movies)



那你复制这个运行看看：

import requests
import bs4
import re


def open_url(url):

    headers = {
      'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.98 Safari/537.36'}
    res = requests.get(url, headers=headers)

    return res


def find_movies(res):
    soup = bs4.BeautifulSoup(res.text, 'html.parser')

    # 电影名
    movies = []
    targets = soup.find_all("div", class_="hd")
    for each in targets:
      movies.append(each.a.span.text)

    # 评分
    ranks = []
    targets = soup.find_all("span", class_="rating_num")
    for each in targets:
      ranks.append(' 评分：%s ' % each.text)

    # 资料
    messages = []
    targets = soup.find_all("div", class_="bd")
    for each in targets:
      try:
            messages.append(each.p.text.split('\n').strip() + each.p.text.split('\n').strip())
      except:
            continue

    result = []
    length = len(movies)
    for i in range(length):
      result.append(movies + ranks + messages + '\n')

    return result


# 找出一共有多少个页面
def find_depth(res):
    soup = bs4.BeautifulSoup(res.text, 'html.parser')
    depth = soup.find('span', class_='next').previous_sibling.previous_sibling.text

    return int(depth)


def main():
    host = "https://movie.douban.com/top250"
    res = open_url(host)
    depth = find_depth(res)

    result = []
    for i in range(depth):
      url = host + '/?start=' + str(25 * i)
      res = open_url(url)
      result.extend(find_movies(res))

    with open("豆瓣TOP250电影.txt", "w", encoding="utf-8") as f:
      for each in result:
            f.write(each)


if __name__ == "__main__":
    main()

a1437485261 发表于 2020-6-14 15:39:44

Twilight6 发表于 2020-6-14 15:36
那你复制这个运行看看：

用你这个就可以了。。

Twilight6 发表于 2020-6-14 15:42:15

a1437485261 发表于 2020-6-14 15:39
用你这个就可以了。。



所以说 你对代码做了什么不为人知的事情，嘿嘿，开玩笑，我看不到完整代码没办法判断哈哈

他说索引超出范围，所以可以判断ranks 或 messages 有个地方提取数据错了，提取少了

在或者 movies 提取多了

a1437485261 发表于 2020-6-14 15:42:52

Twilight6 发表于 2020-6-14 15:42
所以说 你对代码做了什么不为人知的事情，我看不到完整代码没办法判断哈哈

他说索引超出范围，所 ...

对比了一下代码发现一个地方写错了。谢谢大佬哈哈哈

Twilight6 发表于 2020-6-14 15:46:34

a1437485261 发表于 2020-6-14 15:42
对比了一下代码发现一个地方写错了。谢谢大佬哈哈哈

客气了~

老八秘制 发表于 2020-6-14 16:02:52

Twilight6 发表于 2020-6-14 15:36
那你复制这个运行看看：

能给个可以保存到Excel的版本马……最近学极客py学到这里学不下去了

查看完整版本: 求大神帮我看看这个报错是怎么回事