[已解决]爬虫课后题，求解

非凡

这是小甲鱼答案中代码
urls.txt文件内容是：
http://www.baidu.com
http://www.zhihu.com
http://www.taobao.com
http://www.douban.com

import urllib.request
import chardet


def main():
    i = 0

    with open("urls.txt", "r") as f:
        # 读取待访问的网址
        # 由于urls.txt每一行一个URL
        # 所以按换行符'\n'分割
        urls = f.read().splitlines()

    for each_url in urls:
        response = urllib.request.urlopen(each_url)
        html = response.read()

        # 识别网页编码
        encode = chardet.detect(html)['encoding']
        if encode == 'GB2312':
            encode = 'GBK'

        i += 1
        filename = "url_%d.txt" % i

        with open(filename, "w", encoding=encode) as each_file:
            each_file.write(html.decode(encode, "ignore"))


if __name__ == "__main__":
    main()

我在执行过程中报了这样的错是为什么？我自己作的答案也报了这样的错，这是我电脑设置问题？
是读取到http://www.taobao.com网站时报错的，难道是淘宝的问题？

最佳答案

月排行榜 / 总排行榜

suchocolate

2021-9-16 21:29:43

import urllib.request
import chardet


def main():
    i = 0
    with open("urls.txt", "r") as f:
        urls = f.read().splitlines()
    opener = urllib.request.build_opener()  # 创建opener对象
    opener.addheaders = [('User-agent', 'Mozilla')]  # 修改默认的UA，否则会触发网站反扒。
    for each_url in urls:
        response = opener.open(each_url)
        html = response.read()
        encode = chardet.detect(html)['encoding']
        if encode == 'GB2312':
            encode = 'GBK'
        i += 1
        with open(f"url_{i}.txt", "w", encoding=encode) as f:
            f.write(html.decode(encode, "ignore"))


if __name__ == "__main__":
    main()

跳转到最佳答案楼层

suchocolate

import urllib.request
import chardet


def main():
    i = 0
    with open("urls.txt", "r") as f:
        urls = f.read().splitlines()
    opener = urllib.request.build_opener()  # 创建opener对象
    opener.addheaders = [('User-agent', 'Mozilla')]  # 修改默认的UA，否则会触发网站反扒。
    for each_url in urls:
        response = opener.open(each_url)
        html = response.read()
        encode = chardet.detect(html)['encoding']
        if encode == 'GB2312':
            encode = 'GBK'
        i += 1
        with open(f"url_{i}.txt", "w", encoding=encode) as f:
            f.write(html.decode(encode, "ignore"))


if __name__ == "__main__":
    main()

非凡

suchocolate 发表于 2021-9-16 21:29

谢谢~~