鱼C论坛

 找回密码
 立即注册
查看: 935|回复: 5

[已解决]爬虫抓取豆瓣读书top250的时候,无法读取页码值,试了很多种方法。。。

[复制链接]
发表于 2022-2-6 23:02:15 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x

# 导入所需库
import requests
import bs4
import urllib3


# 访问top250首页
def open_url(url):
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.85 Safari/537.36'}
    res = requests.get(url, headers=headers)

    return res


# 获取单页的书本名,评分,资料
def find_books(res):
    # 熬一锅汤先
    soup = bs4.BeautifulSoup(res.text, 'html.parser')

    # 找书名并保存到列表中
    name = []
    targets_name = soup.find_all('div', class_='pl2')
    for each in targets_name:
        name.append(each.a.text)

    # 评分
    rank = []
    targets_rank = soup.find_all('span', class_='rating_num')
    for each in targets_rank:
        rank.append('评分:%s' % each.text)

    # 资料
    message = []
    targets_message = soup.find_all('div', class_='pl')
    for each in targets_message:
        try:
            message.append(each.p.text)
        except:
            continue

    # 汇总信息
    result = []
    length = len(name)
    for i in range(length):
        result.append('《' + name[i] + '》' + '\n' + rank[i] + '\n'+ message[i] +'\n''\n' )

    return result


# 获取页数
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://book.douban.com/top250'
    res = open_url(host)
    depth = find_depth(res)

    result = []
    for i in range(depth):
        url = host + '?start=' + str(i * 25)
        res = open_url(url)
        result.extend(find_books(res))

    with open('豆瓣读书TOP250.txt', 'w', encoding='utf-8') as f:
        for each in result:
            f.write(each)


if __name__ == '__main__':
    main()

-------------------------

一直报错,无法找到text的值-。-:

depth = find_depth(res)
  File "/Users/fen/PycharmProjects/pythonProject1/findTop250book.py", line 54, in find_depth
    depth = soup.find('span', class_='next').previous_Sibling.previous_Sibling.text
AttributeError: 'NoneType' object has no attribute 'previous_Sibling'
最佳答案
2022-2-7 10:59:01
hanfen_aki 发表于 2022-2-7 10:51
谢谢大佬!!!改完之后确实可以运行了,但是
运行之后,又出现了列表范围超出的报错T。T


[b]

targets_rank = soup.find_all('span', class_='rating_num') 中 class 改成 rating_nums

targets_message = soup.find_all('div', class_='pl') 改成 soup.find_all('p', class_='pl')

for 循环中 message.append(each.p.text) 改成 message.append(each.text)

最后建议在 name[i ] 加上 .strip() 函数,参考代码:
import requests
import bs4
import urllib3


# 访问top250首页
def open_url(url):
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.85 Safari/537.36'}
    res = requests.get(url, headers=headers)

    return res


# 获取单页的书本名,评分,资料
def find_books(res):
    # 熬一锅汤先
    soup = bs4.BeautifulSoup(res.text, 'html.parser')

    # 找书名并保存到列表中
    name = []
    targets_name = soup.find_all('div', class_='pl2')
    for each in targets_name:
        name.append(each.a.text)

    # 评分
    rank = []
    targets_rank = soup.find_all('span', class_='rating_nums')
    for each in targets_rank:
        rank.append('评分:%s' % each.text)

    # 资料
    message = []
    targets_message = soup.find_all('p', class_='pl')
    for each in targets_message:
        try:
            message.append(each.text)
        except:
            continue

    # 汇总信息
    result = []
    length = len(name)
    for i in range(length):
        result.append('《' + name[i].strip() + '》' + '\n' + rank[i] + '\n'+ message[i] +'\n''\n' )

    return result


# 获取页数
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://book.douban.com/top250'
    res = open_url(host)
    depth = find_depth(res)

    result = []
    for i in range(depth):
        url = host + '?start=' + str(i * 25)
        res = open_url(url)
        result.extend(find_books(res))

    with open('豆瓣读书TOP250.txt', 'w', encoding='utf-8') as f:
        for each in result:
            f.write(each)


if __name__ == '__main__':
    main()
[/b]
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

发表于 2022-2-7 09:52:59 | 显示全部楼层
 depth = soup.find('span', class_='next').previous_Sibling.previous_Sibling.text
两个Sibling 的s都是小写
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2022-2-7 10:51:29 | 显示全部楼层
谢谢大佬!!!改完之后确实可以运行了,但是
运行之后,又出现了列表范围超出的报错T。T

# 汇总信息
  
result = []
    length = len(name)
    for i in range(length):
        result.append('《' + name[i] + '》' + '\n' + rank[i] + '\n' + message[i] + '\n''\n')

    return result

IndexError: list index out of range
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2022-2-7 10:59:01 | 显示全部楼层    本楼为最佳答案   
hanfen_aki 发表于 2022-2-7 10:51
谢谢大佬!!!改完之后确实可以运行了,但是
运行之后,又出现了列表范围超出的报错T。T


[b]

targets_rank = soup.find_all('span', class_='rating_num') 中 class 改成 rating_nums

targets_message = soup.find_all('div', class_='pl') 改成 soup.find_all('p', class_='pl')

for 循环中 message.append(each.p.text) 改成 message.append(each.text)

最后建议在 name[i ] 加上 .strip() 函数,参考代码:
import requests
import bs4
import urllib3


# 访问top250首页
def open_url(url):
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.85 Safari/537.36'}
    res = requests.get(url, headers=headers)

    return res


# 获取单页的书本名,评分,资料
def find_books(res):
    # 熬一锅汤先
    soup = bs4.BeautifulSoup(res.text, 'html.parser')

    # 找书名并保存到列表中
    name = []
    targets_name = soup.find_all('div', class_='pl2')
    for each in targets_name:
        name.append(each.a.text)

    # 评分
    rank = []
    targets_rank = soup.find_all('span', class_='rating_nums')
    for each in targets_rank:
        rank.append('评分:%s' % each.text)

    # 资料
    message = []
    targets_message = soup.find_all('p', class_='pl')
    for each in targets_message:
        try:
            message.append(each.text)
        except:
            continue

    # 汇总信息
    result = []
    length = len(name)
    for i in range(length):
        result.append('《' + name[i].strip() + '》' + '\n' + rank[i] + '\n'+ message[i] +'\n''\n' )

    return result


# 获取页数
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://book.douban.com/top250'
    res = open_url(host)
    depth = find_depth(res)

    result = []
    for i in range(depth):
        url = host + '?start=' + str(i * 25)
        res = open_url(url)
        result.extend(find_books(res))

    with open('豆瓣读书TOP250.txt', 'w', encoding='utf-8') as f:
        for each in result:
            f.write(each)


if __name__ == '__main__':
    main()
[/b]
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2022-2-7 13:40:51 | 显示全部楼层
谢谢改写!!!
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2022-2-7 16:35:51 | 显示全部楼层
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2025-1-12 13:33

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表