鱼C论坛

 找回密码
 立即注册
查看: 1038|回复: 11

[已解决]python爬虫有关xpath的问题,爬虫初学者

[复制链接]
发表于 2020-4-1 16:26:44 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
  1. #-*-coding:utf-8 -*-
  2. import requests
  3. from lxml import etree
  4. import time #这里导入时间模块,以免豆瓣封ip

  5. url ='https://movie.douban.com/subject/3231742/'

  6. data = requests.get(url).text
  7. s=etree.HTML(data)
  8. #给定并用requests.get()方法来获取页面的text,用etree.HTML()
  9. #来解析下载的页面数据“data”
  10. film_name = s.xpath('//*[@id="content"]/h1/span[1]/text()')
  11. print("电影名:",film_name)
复制代码


运行的时候总是报这个问题:
Traceback (most recent call last):
  File "E:\eclipse\Python1\python1\__init__.py", line 15, in <module>
    film_name = html.xpath('//*[@id="content"]/h1/span[1]/text()')
AttributeError: 'NoneType' object has no attribute 'xpath'

请问应该怎么解决呢?
最佳答案
2020-4-1 16:48:07
不加头拿不到数据
headers = {'user-agent':'firefox'}
data = requests.get(url, headers=headers).text
小甲鱼最新课程 -> https://ilovefishc.com
回复

使用道具 举报

发表于 2020-4-1 16:42:55 | 显示全部楼层
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2020-4-1 16:45:08 | 显示全部楼层
检查下你html是否为空
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2020-4-1 16:45:25 | 显示全部楼层
那我8成估计你是没拿到网页
打印一下data试试
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2020-4-1 16:48:07 | 显示全部楼层    本楼为最佳答案   
不加头拿不到数据
headers = {'user-agent':'firefox'}
data = requests.get(url, headers=headers).text
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-4-1 22:16:47 | 显示全部楼层
suchocolate 发表于 2020-4-1 16:48
不加头拿不到数据
headers = {'user-agent':'firefox'}
data = requests.get(url, headers=headers).text ...

万分感谢!我已添加,成功运行。看来还需要再认真学习了
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-4-1 22:17:58 | 显示全部楼层
_谪仙 发表于 2020-4-1 16:45
检查下你html是否为空

感谢你的回复哦!5楼成功解决问题啦
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-4-1 22:18:57 | 显示全部楼层
qiuyouzhi 发表于 2020-4-1 16:45
那我8成估计你是没拿到网页
打印一下data试试

感谢回复!!已经成功运行了!
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-4-1 22:27:09 | 显示全部楼层
suchocolate 发表于 2020-4-1 16:48
不加头拿不到数据
headers = {'user-agent':'firefox'}
data = requests.get(url, headers=headers).text ...

额,我按你这样是成功运行了,可是还是想请问一下,这个headers是具体什么作用呢?我怎么就差这句话就不能运行呢?。。编程小白弱智提问。望海涵。。
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-4-1 22:46:57 | 显示全部楼层
冲动小郭 发表于 2020-4-1 22:27
额,我按你这样是成功运行了,可是还是想请问一下,这个headers是具体什么作用呢?我怎么就差这句话就不 ...

!!不好意思,不用您的解答了,我查询了有关的书了。
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2020-4-6 12:18:36 | 显示全部楼层
冲动小郭 发表于 2020-4-1 22:46
!!不好意思,不用您的解答了,我查询了有关的书了。

没事,我之前回答的也不够准确。
如果不写头的话,默认user-agent是python-requests/x.x,网站一看是爬虫就拒绝了,所以应该写头。
以下是我用wireshark抓的一次requests.get在不写头的情况下发的包的内部字段,红线这里就是他的默认user-agent。

                               
登录/注册后可看大图
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-4-6 15:59:04 | 显示全部楼层
suchocolate 发表于 2020-4-6 12:18
没事,我之前回答的也不够准确。
如果不写头的话,默认user-agent是python-requests/x.x,网站一看是爬 ...

原来是这样!!!谢谢你非常认真和详细的解答!:D
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2025-6-10 15:23

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表