python极客编程-爬取豆瓣-打印不出来要爬取的电影名

2993554205

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[i] + ranks[i] + messages[i] + '\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()
import requests
import bs4
res=requests.get("https://movie.douban.com/top250")
soup=bs4.BeautifulSoup(res.text,"html.parser")
targets=soup.find_all("div",class_="hd")
for each in targets:
        print(each.a.span.text)


能运行也没报错，但是打印不出来。

FishC

你的代码中有几个问题需要修正。首先是一些变量没有初始化，其次可能还需要留意网络请求的响应内容是否完整。下面是修正后的代码：

import requests
import bs4

def open_url(url):
    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'
    }
    # Http status code checking
    try:
        res = requests.get(url, headers=headers)
        res.raise_for_status()
    except requests.exceptions.HTTPError as e:
        print("HTTP error occurred: ", e)
    except Exception as e:
        print("Some other error occurred: ", e)
    return res

def find_movies(res):
    soup = bs4.BeautifulSoup(res.text, 'html.parser')

    # Initialize lists
    movies = []
    ranks = []
    messages = []
    result = []

    # 电影名
    targets = soup.find_all("div", class_="hd")
    for each in targets:
        movies.append(each.a.span.text)

    # 评分
    targets = soup.find_all("span", class_="rating_num")
    for each in targets:
        ranks.append(' 评分：%s ' % each.text)

    # 资料
    targets = soup.find_all("div", class_="bd")
    for each in targets:
        try:
            messages.append(each.p.text.strip().replace('\n', ' '))
        except:
            continue

    # Collect all results
    length = len(movies)
    for i in range(length):
        result.append(movies[i] + ranks[i] + messages[i] + '\n')

    return result

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)
    if res is None:
        print("Failed to retrieve web page content.")
        return

    depth = find_depth(res)

    result = []
    for i in range(depth):
        url = host + '/?start=' + str(25 * i)
        res = open_url(url)
        if res is not None:
            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()

### 代码修复的关键点：

1. **变量初始化**：`movies`、`ranks`、`messages`和`result`变量需要在函数中初始化为列表。
2. **网络请求异常处理**：在`open_url`函数中增加异常处理，以捕获请求失败的情况。
3. **字符串处理**：使用`strip()`方法处理字符串前后的空格，以及`replace()`方法去掉换行符。
4. **检查响应**：增加一个条件判断请求结果是否成功。例如，检查返回的响应是否为`None`。

确保这些改动都正常进行，逻辑上处理后应该能正常获取并打印所需的电影名。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

峥途

可能是网页结构变化了，你需要手动查找一下你那个网页结构，需要调试一下。

fsl1213

  # Http status code checking
    try:
        res = requests.get(url, headers=headers)
        res.raise_for_status()
    except requests.exceptions.HTTPError as e:
        print("HTTP error occurred: ", e)
    except Exception as e:
        print("Some other error occurred: ", e)
    return res

def find_movies(res):
    soup = bs4.BeautifulSoup(res.text, 'html.parser')

    # Initialize lists
    movies = []
    ranks = []
    messages = []
    result = []
同二楼的代码