[已解决]关于解析html的问题

小小小小的鱼丶

这里不是只插入了一个换行符嘛。

1. 这里不是只插入了一个换行符br嘛，为什么下面split是【1】和【2】，不应该是【0】和【1】嘛
   
2. targets = soup.find_all("div", class_="bd")
   
3.     for each in targets:
   
4.         try:
   
5.             #字符串的strip函数去掉字符串前边和后边所有的空格
   
6.             print(each.p.text.split('\n'))
   
7.             messages.append(each.p.text.split('\n')[1].strip() + each.p.text.split('\n')[2].strip())
   
8.         except:
   
9.             continue

复制代码

最佳答案

月排行榜 / 总排行榜

无符号整形

2018-8-4 18:53:11

小小小小的鱼丶 发表于 2018-8-4 18:42
要是这么解释的话好像行得通。第二句话后面的\n也被检测到。但是为啥会检测到。这里try感觉没啥必要。。

不知道啊……
关于那个try，你要知道：

爬虫不加try=作死

因为爬虫经常碰到一些陷阱（比如utf8的一小段假文字嵌入在gbk的网页中），一些特殊情况（比如网页源代码更改）等等，所以爬虫不加try=作死。

跳转到最佳答案楼层

无符号整形

[0]是双引号吧？

小小小小的鱼丶

无符号整形 发表于 2018-8-4 17:52
[0]是双引号吧？

不是，我用print(each.p.text.split('\n'))打印出来是下面这种格式

1. ['', '                            导演: 弗兰克·德拉邦特 Frank Darabont\xa0\xa0\xa0主演: 蒂姆·罗宾斯 Tim Robbins /...', '                            1994\xa0/\xa0美国\xa0/\xa0犯罪 剧情', '                        ']
   

复制代码

无符号整形

小小小小的鱼丶 发表于 2018-8-4 18:30
不是，我用print(each.p.text.split('\n'))打印出来是下面这种格式

<p class>后面跟着的那个'\n'被检测到了？

小小小小的鱼丶

无符号整形 发表于 2018-8-4 18:37
后面跟着的那个'\n'被检测到了？

要是这么解释的话好像行得通。第二句话后面的\n也被检测到。但是为啥会检测到。这里try感觉没啥必要。。

无符号整形

小小小小的鱼丶 发表于 2018-8-4 18:42
要是这么解释的话好像行得通。第二句话后面的\n也被检测到。但是为啥会检测到。这里try感觉没啥必要。。

不知道啊……
关于那个try，你要知道：

爬虫不加try=作死

因为爬虫经常碰到一些陷阱（比如utf8的一小段假文字嵌入在gbk的网页中），一些特殊情况（比如网页源代码更改）等等，所以爬虫不加try=作死。

小小小小的鱼丶

无符号整形 发表于 2018-8-4 18:53
不知道啊……
关于那个try，你要知道：

哈哈，哥你问问小甲鱼呗。这是他爬豆瓣的源码