[已解决]爬虫入门问题

1119625819

import requests
import bs4

res = requests.get("https:top250")
soup = bs4.BeautifulSoup(res.text,"html.parser")
targets = soup.find_all("div",class_="hd")
print(res.text)
print(res.status_code)
for each in targets:
    print(each.a.span.text)


D:\Anaconda\envs\python\python.exe D:\python\kk.py

418

进程已结束,退出代码0

上面的代码是截取豆瓣前250名的电影，但是我用pycharm运行后只出现上述结果，与一般情况不符合（应该会出现名字），而且没有显示print(res.text)的内容，但是print(res.status_code)却有显示，是遇到什么问题，那个网址没有完全打出（收到来自URL权限）

最佳答案

月排行榜 / 总排行榜

isdkz

2023-1-31 22:13:15

因为有反爬机制，要加请求头模拟浏览器

1. import requests
   
2. import bs4
   
3. 
   
4. headers = {'user-agent': 'Mozilla/5.0'}                        #  加了这行
   
5. res = requests.get("https://movie.douban.com/top250", headers=headers)      # 改了这行
   
6. soup = bs4.BeautifulSoup(res.text,"html.parser")
   
7. targets = soup.find_all("div",class_="hd")
   
8. print(res.text)
   
9. print(res.status_code)
   
10. for each in targets:
    
11.     print(each.a.span.text)

复制代码

跳转到最佳答案楼层

isdkz

因为有反爬机制，要加请求头模拟浏览器

1. import requests
   
2. import bs4
   
3. 
   
4. headers = {'user-agent': 'Mozilla/5.0'}                        #  加了这行
   
5. res = requests.get("https://movie.douban.com/top250", headers=headers)      # 改了这行
   
6. soup = bs4.BeautifulSoup(res.text,"html.parser")
   
7. targets = soup.find_all("div",class_="hd")
   
8. print(res.text)
   
9. print(res.status_code)
   
10. for each in targets:
    
11.     print(each.a.span.text)

复制代码

1119625819

1. import requests
   
2. import bs4
   
3. 
   
4. headers = {'user-agent': 'Mozilla/5.0'}                        #  加了这行
   
5. res = requests.get("httpstop250", headers=headers)      # 改了这行
   
6. soup = bs4.BeautifulSoup(res.text,"html.parser")
   
7. targets = soup.find_all("div",class_="hd")
   
8. print(res.text)
   
9. print(res.status_code)
   
10. for each in targets:
    
11.     print(each.a.span.text)

复制代码

（headers = {'user-agent': 'Mozilla/5.0'}                        #  加了这行
对于这位鱼友所加的这行代码中 'Mozilla/5.0'，单引号的部分是指使用firefox浏览器搜索吗，因为Mozilla这个名称是firefox浏览器的缩写，其中链接受权限限制缩写

isdkz

1119625819 发表于 2023-2-1 22:00
（headers = {'user-agent': 'Mozilla/5.0'}                        #  加了这行
对于这位鱼友所 ...

Mozilla并不是 firefox 浏览器的缩写，你见过哪个缩写比它名字还长的？Mozilla 是一个组织，firefox 只是 Mozilla 的一个产品，

如果你观察过所有浏览器的UA，会发现它们都带着 Mozilla/5.0，

我就是不想复制浏览器 UA 的一长串，才手敲的，谁能记住那一长串，所以我就敲个 Mozilla/5.0，用于豆瓣的反爬足够了