[已解决]BeautifulSoup爆出莫名错误

正在卓尼小乱

1. import requests
   
2. from bs4 import BeautifulSoup
   
3. import time
   
4. 
   
5. global headers
   
6. headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:80.0) Gecko/20100101 Firefox/80.0'}
   
7. 
   
8. #主程序
   
9. def get_proxy():
   
10.     #爬取目标，免费代理IP网站
    
11.     url1='https://www.kuaidaili.com/free'
    
12.     #快代理爬虫程序
    
13.     kuaidaili(url1)
    
14. 
    
15. 
    
16. def kuaidaili(url):
    
17.     proxies=[]
    
18.     for page in range(1,4):
    
19.         link=url+'/inha/%d/' % page
    
20.         response=requests.get(link,headers=headers)
    
21.         soup=BeautifulSoup(response.text,'html.parser')
    
22.         iplist=soup.find(attrs={'class':'table table-bordered table-striped'}).tbody
    
23.         print(iplist)
    
24. 
    
25. if __name__=='__main__':
    
26.     get_proxy()
    

复制代码

为啥说是莫名错误呢，就真的很莫名其妙，kuaidaili()函数内，使用BeautifulSoup抓取IP列表，如下，print(iplist)是成功了的，即抓取成功了，但却报了一个AttributeError: 'NoneType' object has no attribute 'tbody'，不解，只有快代理这一家网站有这个错误，其他代理网站我试着爬取了，同样的代码，就改了class名，却成功了，真的迷，求解！

1. iplist=soup.find(attrs={'class':'table table-bordered table-striped'}).tbody
   
2. print(iplist)

复制代码

报错截图如下：

最佳答案

月排行榜 / 总排行榜

luxiaolan6373

2020-9-2 22:42:22

luxiaolan6373 发表于 2020-9-4 18:15
第二页开始,应该是不让访问,速度太快,加点延迟

import bs4,requests,time

def getIP(page):
    url=f'https://www.kuaidaili.com/free/inha/{page}/'
    res=requests.get(url)
    soup=bs4.BeautifulSoup(res.text,'html.parser')
    soup=soup.find('tbody')
    soup=soup.find_all('tr')
    for item in soup:
        d=dict.fromkeys(('ip','port'))
        d['ip']=item.td.text
        d['port'] = item.td.next_sibling.next_sibling.text
        print(d)
for i in range(4):
    getIP(i+1)
    time.sleep(1)
完美解决你的问题,给个最佳答案吧

跳转到最佳答案楼层

luxiaolan6373

luxiaolan6373 发表于 2020-9-4 18:15
第二页开始,应该是不让访问,速度太快,加点延迟

import bs4,requests,time

def getIP(page):
    url=f'https://www.kuaidaili.com/free/inha/{page}/'
    res=requests.get(url)
    soup=bs4.BeautifulSoup(res.text,'html.parser')
    soup=soup.find('tbody')
    soup=soup.find_all('tr')
    for item in soup:
        d=dict.fromkeys(('ip','port'))
        d['ip']=item.td.text
        d['port'] = item.td.next_sibling.next_sibling.text
        print(d)
for i in range(4):
    getIP(i+1)
    time.sleep(1)
完美解决你的问题,给个最佳答案吧

疾风怪盗

你看下第二页，soup打印出来是-10，那肯定是没有tbody了
试了几次，有时正常响应，有时就报错

https://www.kuaidaili.com/free/inha/1/
<Response [200]>
https://www.kuaidaili.com/free/inha/2/
<Response [200]>
https://www.kuaidaili.com/free/inha/3/
<Response [503]>
https://www.kuaidaili.com/free/inha/4/
<Response [200]>
https://www.kuaidaili.com/free/inha/5/
<Response [503]>

luxiaolan6373

你为啥不直接 find('tbody')这不直接完事了

luxiaolan6373

luxiaolan6373 发表于 2020-9-4 18:00
你为啥不直接 find('tbody')这不直接完事了

或者直接 find_all('td',data-title="IP") 和 find_all('td',data-title="PORT")

luxiaolan6373

luxiaolan6373 发表于 2020-9-4 18:03
或者直接 find_all('td',data-title="IP") 和 find_all('td',data-title="PORT")

import bs4,requests

def getIP(page):
    url=f'https://www.kuaidaili.com/free/inha/{page}/'
    res=requests.get(url)
    soup=bs4.BeautifulSoup(res.text,'html.parser')
    soup=soup.find('tbody')
    soup=soup.find_all('tr')
    for item in soup:
        d=dict.fromkeys(('ip','port'))
        d['ip']=item.td.text
        d['port'] = item.td.next_sibling.next_sibling.text
        print(d)

getIP(1)
{'ip': '175.42.68.49', 'port': '9999'}
{'ip': '122.234.91.192', 'port': '9000'}
{'ip': '182.34.103.5', 'port': '9999'}
{'ip': '121.232.148.205', 'port': '9000'}
{'ip': '114.231.45.60', 'port': '9999'}
{'ip': '123.149.137.17', 'port': '9999'}
{'ip': '171.11.179.18', 'port': '9999'}
{'ip': '119.254.94.93', 'port': '44665'}
{'ip': '123.163.27.179', 'port': '9999'}
{'ip': '220.249.149.229', 'port': '9999'}
{'ip': '125.108.100.114', 'port': '9000'}
{'ip': '36.248.132.117', 'port': '9999'}
{'ip': '125.108.73.169', 'port': '9000'}
{'ip': '123.57.77.187', 'port': '8118'}
{'ip': '183.195.106.118', 'port': '8118'}

疾风怪盗

luxiaolan6373 发表于 2020-9-4 18:07
import bs4,requests

def getIP(page):

楼主的第一页是可以的，问题不在于查找数据的方法
后面几页循环时，就没有响应了，没有返回数据，而且刷新了几次貌似是随机的，这个才是问题所在

luxiaolan6373

luxiaolan6373 发表于 2020-9-4 18:07
import bs4,requests

def getIP(page):

第二页开始,应该是不让访问,速度太快,加点延迟

luxiaolan6373

疾风怪盗 发表于 2020-9-4 18:09
楼主的第一页是可以的，问题不在于查找数据的方法
后面几页循环时，就没有响应了，没有返回数据，而且刷 ...

我知道的,我解决了,就是加点延迟的问题请看我最后的答案

疾风怪盗

luxiaolan6373 发表于 2020-9-4 18:22
我知道的,我解决了,就是加点延迟的问题请看我最后的答案

看到了，学习了，没想到可以加个延迟就好了，我看楼主写的时候也import time了，但是没用到

正在卓尼小乱

luxiaolan6373 发表于 2020-9-2 22:42
import bs4,requests,time

def getIP(page):

非常感谢，这两天没时间碰电脑，今天才看见，问题已解决