月魔同学 发表于 2020-8-9 17:13:16

爬虫标签

<div class="p-price">
       <strong class="J_100012820022" data-done="1">
      <em>¥</em><i>3298.00</i>
       </strong>
      </div>
上面这个标签应该怎么找到3298.00,并且可以跳过<strong class="J_100012820022" data-done="1">?

price=[]
    price=soup.find_all('div',class_="p-price")
    for pri in price:
      price.append(pri.i)
我是找到<div class="p-price">这个标签,然后pri.i直接找i这个节点,但是会报错AttributeError: 'NoneType' object has no attribute 'i'
price.append(pri.i.text)这样也会报错AttributeError: 'NoneType' object has no attribute 'text'
但是直接print(pri.i)却是有结果?
想知道原因?以及解决方法?


Twilight6 发表于 2020-8-9 17:13:17

月魔同学 发表于 2020-8-9 17:25



用 try-except 过滤下 None 的即可

import requests
import bs4
import time


def open_url(url):
    headers = {
      'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3706.400 SLBrowser/10.0.4040.400'}
    res = requests.get(url, headers=headers)
    return res


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

    # 手机名
    names = []
    name = soup.find_all('div', class_="p-name p-name-type-3")
    for each in name:
      names.append(each.a.em.text)

    # 价格
    price = []
    price = soup.find_all('div', class_="p-price")
    for pri in price:
      try:
            price.append(pri.i.text)
      except:
            pass
    # 将找到的每一页的内容放进result中
    result = []
    length = len(names)
    for i in range(length):
      result.append(names + ':' + '\n' + str(price) + '\n')
    return result


def main():
    result = []
    url = 'https://list.jd.com/list.html?cat=9987%2C653%2C655&page=1&s=1&click=0'
    res = open_url(url)
    result.extend(find_phone(res))

    with open("E:\京东手机.txt", "w", encoding="utf-8") as f:
      for each in result:
            f.write(each)

    time.sleep(1)


if __name__ == "__main__":
    main()

Twilight6 发表于 2020-8-9 17:22:22

本帖最后由 Twilight6 于 2020-8-9 17:23 编辑



加上 .text 是没错的,你报错的原因是因为有的没有爬到数据,所以返回 None ,而你对 None 直接 .text 肯定会导致报错的

发个完整代码看看吧

月魔同学 发表于 2020-8-9 17:25:44

Twilight6 发表于 2020-8-9 17:22
加上 .text 是没错的,你报错的原因是因为有的没有爬到数据,所以返回 None ,而你对 None 直接 .text...

import requests
import bs4
import time

def open_url(url):
    headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3706.400 SLBrowser/10.0.4040.400'}
    res = requests.get(url, headers=headers)
    returnres

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

    #手机名
    names=[]
    name=soup.find_all('div',class_="p-name p-name-type-3")
    for each in name:
      names.append(each.a.em.text)
      

    #价格
    price=[]
    price=soup.find_all('div',class_="p-price")
    for pri in price:
      price.append(pri.i.text)
      

    #将找到的每一页的内容放进result中
    result = []
    length = len(names)
    for i in range(length):
      result.append(names+':'+'\n'+price + '\n')
    return result   


def main():
    result=[]
    url='https://list.jd.com/list.html?cat=9987%2C653%2C655&page=1&s=1&click=0'
    res = open_url(url)
    result.extend(find_phone(res))
   
    with open("E:\京东手机.txt", "w", encoding="utf-8") as f:
      for each in result:
            f.write(each)

    time.sleep(1)
      
if __name__ == "__main__":
    main()

月魔同学 发表于 2020-8-9 17:42:42

Twilight6 发表于 2020-8-9 17:36
用 try-except 过滤下 None 的即可

是因为找到的有几个是None吗?所以过滤掉报错的信息

Twilight6 发表于 2020-8-9 17:44:50

月魔同学 发表于 2020-8-9 17:42
是因为找到的有几个是None吗?所以过滤掉报错的信息

嗯 None 不能 .text
页: [1]
查看完整版本: 爬虫标签