[已解决]爬取豆瓣前Top250电影时报错的问题

八个核桃罒

粘贴的代码，开始还能执行，后来就开始报错了，很疑惑~求解答~
C:\Users\Administrator\.virtualenvs\Movie\Scripts\python.exe E:/py/Movie/movie.py
Traceback (most recent call last):
  File "E:/py/Movie/movie.py", line 75, in <module>
    main()
  File "E:/py/Movie/movie.py", line 61, in main
    depth = find_depth(res)
  File "E:/py/Movie/movie.py", line 53, in find_depth
    depth = soup.find('span', class_='next').previous_sibling.previous_sibling.text
AttributeError: 'NoneType' object has no attribute 'previous_sibling'

Process finished with exit code 1

最佳答案

月排行榜 / 总排行榜

Charles未晞

2018-1-26 19:34:58

你试试浏览器进那个网址看看。。。说不定ip被系统限制了

跳转到最佳答案楼层

x3269199

哥你把你的代码粘贴出来呀
目前来看的话你的这个代码
  depth = soup.find('span', class_='next').previous_sibling.previous_sibling.text
.previous那些是什么东西？soup.find不能直接这样用的。你还是把代码贴出来好看是错哪里了

八个核桃罒

x3269199 发表于 2018-1-26 17:21
哥你把你的代码粘贴出来呀
目前来看的话你的这个代码
  depth = soup.find('span', class_='next').previ ...

好的，其实就是甲鱼老师的那个代码。
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')[1].strip() + each.p.text.split('\n')[2].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()

x3269199

刚刚我运行了没问题。。（除了一些小报错，但是没有你的问题。。）你确定复制全了代码？

八个核桃罒

x3269199 发表于 2018-1-26 17:45
刚刚我运行了没问题。。（除了一些小报错，但是没有你的问题。。）你确定复制全了代码？

我这个刚开始是可以的，后来不知道怎么了就这样了

Charles未晞

你试试浏览器进那个网址看看。。。说不定ip被系统限制了

八个核桃罒

Charles未晞 发表于 2018-1-26 19:34
你试试浏览器进那个网址看看。。。说不定ip被系统限制了

好像确实是。。我晚上又试了一下可以了