python爬蟲之異常捕獲及標簽過濾詳解
更新時間：2021年05月17日 16:39:09 作者：一名小測試
今天帶大家了解python異常捕獲及標簽過濾,文中有非常詳細的代碼示例,對正在學習python爬蟲的小伙伴們很有幫助,需要的朋友可以參考下
增加異常捕獲，更容易現(xiàn)問題的解決方向
import ssl
import urllib.request
from bs4 import BeautifulSoup
from urllib.error import HTTPError, URLError
def get_data(url):
headers = {"user-agent":
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.93 Safari/537.36"
}
ssl._create_default_https_context = ssl._create_unverified_context
"""
urlopen處增加兩個異常捕獲：
1、如果頁面出現(xiàn)錯誤或者服務器不存在時，會拋HTTP錯誤代碼
2、如果url寫錯了或者是鏈接打不開時，會拋URLError錯誤
"""
try:
url_obj = urllib.request.Request(url, headers=headers)
response = urllib.request.urlopen(url_obj)
html = response.read().decode('utf8')
except (HTTPError, URLError)as e:
raise e
"""
BeautifulSoup處增加異常捕獲是因為BeautifulSoup對象中有時候標簽實際不存在時，會返回None值；
因為不知道，所以調用了就會導致拋出AttributeError: 'NoneType' object has no xxxxxxx。
"""
try:
bs = BeautifulSoup(html, "html.parser")
results = bs.body
except AttributeError as e:
return None
return results
if __name__ == '__main__':
print(get_data("https://movie.douban.com/chart"))
解析html，更好的實現(xiàn)數(shù)據(jù)展示效果
- get_text()：獲取文本信息
# 此處代碼同上面打開url代碼一致，故此處省略......
html = response.read().decode('utf8')
bs = BeautifulSoup(html, "html.parser")
data = bs.find('span', {'class': 'pl'})
print(f'電影評價數(shù)：{data}')
print(f'電影評價數(shù)：{data.get_text()}')
運行后的結果顯示如下：
電影評價數(shù)：<span class="pl">(38054人評價)</span> 電影評價數(shù)：(38054人評價)
- find() 方法是過濾HTML標簽，查找需要的單個標簽
實際find方法封裝是調用了正則find_all方法，把find_all中的limt參數(shù)傳1，獲取單個標簽
1.name：可直接理解為標簽元素
2.attrs：字典格式，放屬性和屬性值 {"class": "indent"}
3.recursive：遞歸參數(shù)，布爾值，為真時遞歸查詢子標簽
4.text：標簽的文本內容匹配 , 是標簽的文本，標簽的文本
- find_all() 方法是過濾HTML標簽，查找需要的標簽組
使用方法適合find一樣的，無非就是多了個limit參數(shù)（篩選數(shù)據(jù))
必須注意的小知識點：
# 下面兩種寫法，實際是一樣的功能，都是查詢id為text的屬性值
bs.find_all(id="text")
bs.find_all(' ', {"id": "text"})
# 如果是class的就不能class="x x x"了，因為class是python中類的關鍵字
bs.find_all(class_="text")
bs.find_all(' ', {"class": "text"})
到此這篇關于python爬蟲之異常捕獲及標簽過濾詳解的文章就介紹到這了,更多相關python異常捕獲及標簽過濾內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
本文詳細介紹了Python中常用的時間處理模塊time和datetime,time模塊提供多種時間獲取和轉換功能,datetime模塊則在time的基礎上增加了日期和時間的組合處理,如datetime.now()獲取當前日期時間,兩個模塊在日常編程中非常有用,尤其是在需要時間日期計算和轉換的場景下2024-10-10
在Python中,?如何獲取操作系統(tǒng)的類型、名稱、版本等信息,本文就來介紹三種獲取方法,文中通過示例代碼介紹的非常詳細,需要的朋友們下面隨著小編來一起學習學習吧2024-01-01
Maskpass是一個類似getpass的Python庫,但是具有一些高級功能,比如掩蔽和顯示,下面這篇文章主要給大家介紹了關于如何在Python中隱藏和加密密碼的相關資料,需要的朋友可以參考下2022-02-02
python消費kafka數(shù)據(jù)批量插入到es的方法
今天小編就為大家分享一篇python消費kafka數(shù)據(jù)批量插入到es的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-12-12
使用Python和Pygame輕松實現(xiàn)播放音頻播放器
在這個數(shù)字化時代,音頻和音樂已成為我們日常生活的一部分,不管是為了放松、學習還是工作,一個好的音樂播放器總是必不可少的,所以本文給大家介紹了用Python和Pygame制作自己的音頻播放器,感興趣的朋友可以參考下2024-01-01
使用python搭建服務器并實現(xiàn)Android端與之通信的方法
今天小編就為大家分享一篇使用python搭建服務器并實現(xiàn)Android端與之通信的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-06-06
這篇文章主要介紹了Python內置異常類型全面匯總,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-05-05
這篇文章主要介紹了關于python的矩陣乘法運算,矩陣是一個數(shù)字陣列，一個二維數(shù)組，n行r列的陣列稱為n*r矩陣。如果n==r則稱為方陣,需要的朋友可以參考下2023-04-04
python讀寫excel數(shù)據(jù)--pandas詳解
這篇文章主要為大家詳細介紹了python操作EXCEL讀數(shù)據(jù)、寫數(shù)據(jù)的實例源碼，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2021-09-09
Flask-RESTful是一個用于快速創(chuàng)建RESTful API接口的Flask擴展。，這篇文章主要介紹了flask-restful使用總結，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-12-12