今天的我更强了 发表于 2020-6-29 10:11:04

requests和bs4爬取电影top250

本帖最后由 今天的我更强了 于 2020-6-29 10:14 编辑

import requests
import bs4
url='https://movie.douban.com/top250'
headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'}
res=requests.get(url,headers=headers)
soup=bs4.BeautifulSoup(res.text,'html.parser')
targets=soup.find_all('div',class_='hd')
for each in targets:
    print(each.a.span.text)
这个代码只会把电影名称爬取下来
改成这样：
targets=soup.find_all('span',class_='title')
for each in targets:
    print(each.text)
却会把下面的英文爬取下来


审查元素如下：
<div class="hd">
                        <aclass="">
                            <span class="title">肖申克的救赎</span>
                                    <span class="title">&nbsp;/&nbsp;The Shawshank Redemption</span>
                              <span class="other">&nbsp;/&nbsp;月黑高飞(港)/刺激1995(台)</span>
                        </a>


                            <span class="playable">[可播放]</span>
                  </div>
第一个为什么不会打印英文字母？求大佬指教

Twilight6 发表于 2020-6-29 10:14:24

哈哈哈你怎么又这样发图了   {:10_250:}

今天的我更强了 发表于 2020-6-29 10:15:02

Twilight6 发表于 2020-6-29 10:14
哈哈哈你怎么又这样发图了

我想发截图却不会..所以重新编辑了一下{:10_266:}

qiuyouzhi 发表于 2020-6-29 10:24:37

第一个找到的是class为hd的div标签，打印的是div的子a标签的第一个子span标签的text。
第二个则是直接找到的class为title的span标签，打印出来的text就是标题。

今天的我更强了 发表于 2020-6-29 10:33:13

qiuyouzhi 发表于 2020-6-29 10:24
第一个找到的是class为hd的div标签，打印的是div的子a标签的第一个子span标签的text。
第二个则是直接找到 ...

就是说第一种方式只会打印第一个而第二种方式会全部打印吗？

Twilight6 发表于 2020-6-29 10:44:58

本帖最后由 Twilight6 于 2020-6-29 10:49 编辑

print(each.a.span.text)

这样的用法就是只打印第一个

print(each.text)

这样是把你变量到each 标签里的 文本内容全部打印

beautifulsoup4 这样使用时候 相同的标签只能获取第一个符合要求的标签，你第一个指定的div 里面 span 标签 ，而第二个指定的是 span 标签

而span 标记都是同缩进的 也就是说他们每一个都算第一个符号要求的标签

今天的我更强了 发表于 2020-6-29 10:54:17

Twilight6 发表于 2020-6-29 10:44
这样的用法就是只打印第一个




懂了谢谢

Twilight6 发表于 2020-6-29 10:54:59

今天的我更强了 发表于 2020-6-29 10:54
懂了谢谢

{:10_281:}

今天的我更强了 发表于 2020-6-29 11:22:54

Twilight6 发表于 2020-6-29 10:54


大佬 我能再问一下：
import requests
import bs4
url='https://movie.douban.com/top250'
headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'}
res=requests.get(url,headers=headers)
soup=bs4.BeautifulSoup(res.text,'html.parser')

targets=soup.find_all('a')
print(targets)
for each in targets:
    print(each.span.text)
这个地方换成a 为什么'NoneType' object has no attribute 'text' 会这样报错？

Twilight6 发表于 2020-6-29 11:24:55

今天的我更强了 发表于 2020-6-29 11:22
大佬 我能再问一下：
import requests
import bs4


因为没爬取到你的 each标签里的 span 导致 返回的是 None也就是 each.span.text 变成了 None.text 而 None没有 text用法

今天的我更强了 发表于 2020-6-29 12:08:01

Twilight6 发表于 2020-6-29 11:24
因为没爬取到你的 each标签里的 span 导致 返回的是 None也就是 each.span.text 变成了 None.text 而 N ...

可是为什么会爬取不到span 呢？那个targets是可以打印的啊

Twilight6 发表于 2020-6-29 12:39:41

今天的我更强了 发表于 2020-6-29 12:08
可是为什么会爬取不到span 呢？那个targets是可以打印的啊

不是所有标签都含有这个节点，你遍历到其中一个不含有就会报错

今天的我更强了 发表于 2020-6-29 14:28:31

Twilight6 发表于 2020-6-29 12:39
不是所有标签都含有这个节点，你遍历到其中一个不含有就会报错

所以说在写的时候多写几个父亲标签就是为了防止这种情况嘛？

Twilight6 发表于 2020-6-29 14:31:43

今天的我更强了 发表于 2020-6-29 14:28
所以说在写的时候多写几个父亲标签就是为了防止这种情况嘛？

不一定， 常常多写反而会更容易照成这种错误，因为越多节点导致有些地方没有的概率越大

解决方法要么就放 if 判断，跳过是 None要么就观察好节点信息，填入肯定能找到这些元素的节点信息

今天的我更强了 发表于 2020-6-29 14:33:26

Twilight6 发表于 2020-6-29 14:31
不一定， 常常多写反而会更容易照成这种错误，因为越多节点导致有些地方没有的概率越大

解决方法要么 ...

好的 谢谢
页: [1]
查看完整版本: requests和bs4爬取电影top250