2993554205 发表于 2024-11-8 15:52:49

python极客编程-爬取豆瓣-打印不出来要爬取的电影名

import requests
import bs4
import re


def open_url(url):
      # 使用代理
      # proxies = {"http": "127.0.0.1:1080", "https": "127.0.0.1:1080"}
      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, 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_="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()
import requests
import bs4
res=requests.get("https://movie.douban.com/top250")
soup=bs4.BeautifulSoup(res.text,"html.parser")
targets=soup.find_all("div",class_="hd")
for each in targets:
      print(each.a.span.text)


能运行也没报错,但是打印不出来。

FishC 发表于 2024-11-8 15:53:10

你的代码中有几个问题需要修正。首先是一些变量没有初始化,其次可能还需要留意网络请求的响应内容是否完整。下面是修正后的代码:

import requests
import bs4

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'
    }
    # Http status code checking
    try:
      res = requests.get(url, headers=headers)
      res.raise_for_status()
    except requests.exceptions.HTTPError as e:
      print("HTTP error occurred: ", e)
    except Exception as e:
      print("Some other error occurred: ", e)
    return res

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

    # Initialize lists
    movies = []
    ranks = []
    messages = []
    result = []

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

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

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

    # Collect all results
    length = len(movies)
    for i in range(length):
      result.append(movies + ranks + messages + '\n')

    return result

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)
    if res is None:
      print("Failed to retrieve web page content.")
      return

    depth = find_depth(res)

    result = []
    for i in range(depth):
      url = host + '/?start=' + str(25 * i)
      res = open_url(url)
      if res is not None:
            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()

### 代码修复的关键点:

1. **变量初始化**:`movies`、`ranks`、`messages`和`result`变量需要在函数中初始化为列表。
2. **网络请求异常处理**:在`open_url`函数中增加异常处理,以捕获请求失败的情况。
3. **字符串处理**:使用`strip()`方法处理字符串前后的空格,以及`replace()`方法去掉换行符。
4. **检查响应**:增加一个条件判断请求结果是否成功。例如,检查返回的响应是否为`None`。

确保这些改动都正常进行,逻辑上处理后应该能正常获取并打印所需的电影名。

以上回复来自 FishC AI 小助理,如未能正确解答您的问题,请继续追问。

峥途 发表于 2024-11-8 16:08:37

可能是网页结构变化了,你需要手动查找一下你那个网页结构,需要调试一下。

fsl1213 发表于 2024-11-9 10:34:46

# Http status code checking
    try:
      res = requests.get(url, headers=headers)
      res.raise_for_status()
    except requests.exceptions.HTTPError as e:
      print("HTTP error occurred: ", e)
    except Exception as e:
      print("Some other error occurred: ", e)
    return res

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

    # Initialize lists
    movies = []
    ranks = []
    messages = []
    result = []
同二楼的代码
页: [1]
查看完整版本: python极客编程-爬取豆瓣-打印不出来要爬取的电影名