快捷導(dǎo)航

python爬蟲(chóng)之異常捕獲及標(biāo)簽過(guò)濾詳解

更新時(shí)間：2021年05月17日 16:39:09 作者：一名小測(cè)試

今天帶大家了解python異常捕獲及標(biāo)簽過(guò)濾,文中有非常詳細(xì)的代碼示例,對(duì)正在學(xué)習(xí)python爬蟲(chóng)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(wèn)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(gè)異常捕獲：
            1、如果頁(yè)面出現(xiàn)錯(cuò)誤或者服務(wù)器不存在時(shí)，會(huì)拋HTTP錯(cuò)誤代碼
            2、如果url寫(xiě)錯(cuò)了或者是鏈接打不開(kāi)時(shí)，會(huì)拋URLError錯(cuò)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?yàn)锽eautifulSoup對(duì)象中有時(shí)候標(biāo)簽實(shí)際不存在時(shí)，會(huì)返回None值；
    因?yàn)椴恢溃哉{(diào)用了就會(huì)導(dǎo)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(shí)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(kāi)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(píng)價(jià)數(shù)：{data}')
print(f'電影評(píng)價(jià)數(shù)：{data.get_text()}')

運(yùn)行后的結(jié)果顯示如下：

電影評(píng)價(jià)數(shù)：<span class="pl">(38054人評(píng)價(jià))</span>
電影評(píng)價(jià)數(shù)：(38054人評(píng)價(jià))

find() 方法是過(guò)濾HTML標(biāo)簽，查找需要的單個(gè)標(biāo)簽

實(shí)際find方法封裝是調(diào)用了正則find_all方法，把find_all中的limt參數(shù)傳1，獲取單個(gè)標(biāo)簽

1.name：可直接理解為標(biāo)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(shí)遞歸查詢(xún)子標(biāo)簽

4.text：標(biāo)簽的文本內(nèi)容匹配 , 是標(biāo)簽的文本，標(biāo)簽的文本

find_all() 方法是過(guò)濾HTML標(biāo)簽，查找需要的標(biāo)簽組

使用方法適合find一樣的，無(wú)非就是多了個(gè)limit參數(shù)（篩選數(shù)據(jù))

必須注意的小知識(shí)點(diǎn)：

#   下面兩種寫(xiě)法，實(shí)際是一樣的功能，都是查詢(xún)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?yàn)閏lass是python中類(lèi)的關(guān)鍵字
bs.find_all(class_="text")
bs.find_all(' ', {"class": "text"})

到此這篇關(guān)于python爬蟲(chóng)之異常捕獲及標(biāo)簽過(guò)濾詳解的文章就介紹到這了,更多相關(guān)python異常捕獲及標(biāo)簽過(guò)濾內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: