[已解决]求大神帮我看看这个报错是怎么回事

a1437485261

是小甲鱼第二版的python教学里面的爬取豆瓣top250

最佳答案

月排行榜 / 总排行榜

Twilight6

2020-6-14 15:36:26

a1437485261 发表于 2020-6-14 15:33
是的 除了没有用代理ip 其他基本都是一样的
result = []
    length = len(movies)

那你复制这个运行看看：

1. import requests
   
2. import bs4
   
3. import re
   
4. 
   
5. 
   
6. def open_url(url):
   
7. 
   
8.     headers = {
   
9.         'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.98 Safari/537.36'}
   
10.     res = requests.get(url, headers=headers)
    
11. 
    
12.     return res
    
13. 
    
14. 
    
15. def find_movies(res):
    
16.     soup = bs4.BeautifulSoup(res.text, 'html.parser')
    
17. 
    
18.     # 电影名
    
19.     movies = []
    
20.     targets = soup.find_all("div", class_="hd")
    
21.     for each in targets:
    
22.         movies.append(each.a.span.text)
    
23. 
    
24.     # 评分
    
25.     ranks = []
    
26.     targets = soup.find_all("span", class_="rating_num")
    
27.     for each in targets:
    
28.         ranks.append(' 评分：%s ' % each.text)
    
29. 
    
30.     # 资料
    
31.     messages = []
    
32.     targets = soup.find_all("div", class_="bd")
    
33.     for each in targets:
    
34.         try:
    
35.             messages.append(each.p.text.split('\n')[1].strip() + each.p.text.split('\n')[2].strip())
    
36.         except:
    
37.             continue
    
38. 
    
39.     result = []
    
40.     length = len(movies)
    
41.     for i in range(length):
    
42.         result.append(movies[i] + ranks[i] + messages[i] + '\n')
    
43. 
    
44.     return result
    
45. 
    
46. 
    
47. # 找出一共有多少个页面
    
48. def find_depth(res):
    
49.     soup = bs4.BeautifulSoup(res.text, 'html.parser')
    
50.     depth = soup.find('span', class_='next').previous_sibling.previous_sibling.text
    
51. 
    
52.     return int(depth)
    
53. 
    
54. 
    
55. def main():
    
56.     host = "https://movie.douban.com/top250"
    
57.     res = open_url(host)
    
58.     depth = find_depth(res)
    
59. 
    
60.     result = []
    
61.     for i in range(depth):
    
62.         url = host + '/?start=' + str(25 * i)
    
63.         res = open_url(url)
    
64.         result.extend(find_movies(res))
    
65. 
    
66.     with open("豆瓣TOP250电影.txt", "w", encoding="utf-8") as f:
    
67.         for each in result:
    
68.             f.write(each)
    
69. 
    
70. 
    
71. if __name__ == "__main__":
    
72.     main()

复制代码

跳转到最佳答案楼层

a1437485261

Twilight6 发表于 2020-6-14 21:56
div 节点下含有属性 class = 'hd' 的节点内容

我就是奇怪为啥在寻找评分时是（'span', class_='rating_num'）而不是（‘div’, class_='star'）
而寻找电影名是('div', class_='hd')而不是（'span', class_='title'）

Twilight6

a1437485261 发表于 2020-6-14 21:52
大佬可以qq问你一下问题吗 我在论坛好像发不了图  这个代码里面下面这三个
targets = soup.find_all('di ...

targets = soup.find_all('div', class_='hd')

div 节点下含有属性 class = 'hd' 的节点内容

targets = soup.find_all('span', class_='rating_num')

span 节点下含有属性 class = 'rating_num' 的节点内容

targets = soup.find_all('div', class_='bd')

div 节点下含有属性 class='bd' 的节点内容

a1437485261

Twilight6 发表于 2020-6-14 15:46
客气了~

大佬可以qq问你一下问题吗 我在论坛好像发不了图  这个代码里面下面这三个
targets = soup.find_all('div', class_='hd')
targets = soup.find_all('span', class_='rating_num')
targets = soup.find_all('div', class_='bd')
有点看不懂 我去对应了豆瓣的源码感觉这里看起来理解不了

老八秘制

Twilight6 发表于 2020-6-14 16:30
我刚刚照视频敲 成功了，拿去用吧

Twilight6

老八秘制 发表于 2020-6-14 16:16
现在不行了

我刚刚照视频敲 成功了，拿去用吧

1. import requests
   
2. import bs4
   
3. import openpyxl
   
4. 
   
5. 
   
6. def open_url(url):
   
7. 
   
8.     headers = {
   
9.         'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.98 Safari/537.36'}
   
10. 
    
11.     res = requests.get(url, headers=headers)
    
12. 
    
13.     return res
    
14. 
    
15. 
    
16. def find_movies(res):
    
17.     soup = bs4.BeautifulSoup(res.text, 'html.parser')
    
18. 
    
19.     # 电影名
    
20.     movies = []
    
21.     targets = soup.find_all("div", class_="hd")
    
22.     for each in targets:
    
23.         movies.append(each.a.span.text)
    
24. 
    
25.     # 评分
    
26.     ranks = []
    
27.     targets = soup.find_all("span", class_="rating_num")
    
28.     for each in targets:
    
29.         ranks.append(each.text)
    
30. 
    
31.     # 资料
    
32.     messages = []
    
33.     targets = soup.find_all("div", class_="bd")
    
34.     for each in targets:
    
35.         try:
    
36.             messages.append(each.p.text.split('\n')[1].strip() + each.p.text.split('\n')[2].strip())
    
37.         except:
    
38.             continue
    
39. 
    
40.     result = []
    
41.     length = len(movies)
    
42.     for i in range(length):
    
43.         result.append([movies[i] ,ranks[i] ,messages[i]])
    
44. 
    
45.     return result
    
46. 
    
47. 
    
48. # 找出一共有多少个页面
    
49. def find_depth(res):
    
50.     soup = bs4.BeautifulSoup(res.text, 'html.parser')
    
51.     depth = soup.find('span', class_='next').previous_sibling.previous_sibling.text
    
52. 
    
53.     return int(depth)
    
54. 
    
55. def save_to_excel(result):
    
56.     wb = openpyxl.Workbook()
    
57.     ws = wb.active
    
58. 
    
59.     ws['A1'] = '电影名称'
    
60.     ws['B1'] = '评分'
    
61.     ws['C1'] = '资料'
    
62. 
    
63.     for each in result:
    
64.         ws.append(each)
    
65. 
    
66.     wb.save('豆瓣TOP250.xlsx')
    
67. 
    
68. 
    
69. def main():
    
70.     host = "https://movie.douban.com/top250"
    
71.     res = open_url(host)
    
72.     depth = find_depth(res)
    
73. 
    
74.     result = []
    
75.     for i in range(depth):
    
76.         url = host + '/?start=' + str(25 * i)
    
77.         res = open_url(url)
    
78.         result.extend(find_movies(res))
    
79.     save_to_excel(result)
    
80. 
    
81. 
    
82. if __name__ == "__main__":
    
83.     main()

复制代码

老八秘制

Twilight6 发表于 2020-6-14 16:06
我记得小甲鱼老师第一集不是在视频里面手把手教我们敲了  按照甲鱼哥的来就好了呀

现在不行了

Twilight6

老八秘制 发表于 2020-6-14 16:02
能给个可以保存到Excel的版本马……最近学极客py学到这里学不下去了

  我记得小甲鱼老师第一集不是在视频里面手把手教我们敲了  按照甲鱼哥的来就好了呀

老八秘制

Twilight6 发表于 2020-6-14 15:36
那你复制这个运行看看：

能给个可以保存到Excel的版本马……最近学极客py学到这里学不下去了

Twilight6

a1437485261 发表于 2020-6-14 15:42
对比了一下代码发现一个地方写错了。谢谢大佬哈哈哈

客气了~

a1437485261

Twilight6 发表于 2020-6-14 15:42
所以说 你对代码做了什么不为人知的事情，我看不到完整代码没办法判断哈哈

他说索引超出范围，所 ...

对比了一下代码发现一个地方写错了。谢谢大佬哈哈哈

Twilight6

a1437485261 发表于 2020-6-14 15:39
用你这个就可以了。。

所以说 你对代码做了什么不为人知的事情，嘿嘿，开玩笑，我看不到完整代码没办法判断哈哈

他说索引超出范围，所以可以判断  ranks 或 messages 有个地方提取数据错了，提取少了

在或者 movies 提取多了

a1437485261

Twilight6 发表于 2020-6-14 15:36
那你复制这个运行看看：

用你这个就可以了。。

Twilight6

a1437485261 发表于 2020-6-14 15:33
是的 除了没有用代理ip 其他基本都是一样的
result = []
    length = len(movies)

那你复制这个运行看看：

1. import requests
   
2. import bs4
   
3. import re
   
4. 
   
5. 
   
6. def open_url(url):
   
7. 
   
8.     headers = {
   
9.         'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.98 Safari/537.36'}
   
10.     res = requests.get(url, headers=headers)
    
11. 
    
12.     return res
    
13. 
    
14. 
    
15. def find_movies(res):
    
16.     soup = bs4.BeautifulSoup(res.text, 'html.parser')
    
17. 
    
18.     # 电影名
    
19.     movies = []
    
20.     targets = soup.find_all("div", class_="hd")
    
21.     for each in targets:
    
22.         movies.append(each.a.span.text)
    
23. 
    
24.     # 评分
    
25.     ranks = []
    
26.     targets = soup.find_all("span", class_="rating_num")
    
27.     for each in targets:
    
28.         ranks.append(' 评分：%s ' % each.text)
    
29. 
    
30.     # 资料
    
31.     messages = []
    
32.     targets = soup.find_all("div", class_="bd")
    
33.     for each in targets:
    
34.         try:
    
35.             messages.append(each.p.text.split('\n')[1].strip() + each.p.text.split('\n')[2].strip())
    
36.         except:
    
37.             continue
    
38. 
    
39.     result = []
    
40.     length = len(movies)
    
41.     for i in range(length):
    
42.         result.append(movies[i] + ranks[i] + messages[i] + '\n')
    
43. 
    
44.     return result
    
45. 
    
46. 
    
47. # 找出一共有多少个页面
    
48. def find_depth(res):
    
49.     soup = bs4.BeautifulSoup(res.text, 'html.parser')
    
50.     depth = soup.find('span', class_='next').previous_sibling.previous_sibling.text
    
51. 
    
52.     return int(depth)
    
53. 
    
54. 
    
55. def main():
    
56.     host = "https://movie.douban.com/top250"
    
57.     res = open_url(host)
    
58.     depth = find_depth(res)
    
59. 
    
60.     result = []
    
61.     for i in range(depth):
    
62.         url = host + '/?start=' + str(25 * i)
    
63.         res = open_url(url)
    
64.         result.extend(find_movies(res))
    
65. 
    
66.     with open("豆瓣TOP250电影.txt", "w", encoding="utf-8") as f:
    
67.         for each in result:
    
68.             f.write(each)
    
69. 
    
70. 
    
71. if __name__ == "__main__":
    
72.     main()

复制代码

a1437485261

Twilight6 发表于 2020-6-14 15:31
你是复制小甲鱼的原代码运行的吗？

是的 除了没有用代理ip 其他基本都是一样的
result = []
    length = len(movies)
    for i in range(length):
        result.append(movies[i] + ranks[i] + messages[i] + '\n')      这个是36行的代码
    return result

a1437485261

import requests
import bs4
import re

def open_url(url):
    # 使用代理
    headers = {'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36'}
    # res = requests.get(ral, 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_='hd')
    for each in targets:
        try:
            messages.append(each.p.text.split('\n')[1].strip() + each.p.text.split('\n')[2].strip())
        except:
            continue

    result = []
    length = len(movies)
    for i in range(length):
        result.append(movies[i] + ranks[i] + messages[i] + '\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()

Twilight6

a1437485261 发表于 2020-6-14 15:29
代码发了一直说要审核

你是复制小甲鱼的原代码运行的吗？

liuzhengyuan

a1437485261 发表于 2020-6-14 15:29
代码发了一直说要审核

报错信息说列表溢出了，说明 i 变量的复制有些问题

a1437485261

Twilight6 发表于 2020-6-14 15:28
IndexError: list index out of range

索引值超出访问    在代码的 36 行 ， 你自己检查检查  或者发 ...

代码发了一直说要审核

a1437485261

代码一直发不出来。。说是要审核