快捷導(dǎo)航

Python用requests庫爬取返回為空的解決辦法

更新時間：2021年02月21日 14:38:46 作者：qq_38796636

這篇文章主要介紹了Python用requests庫爬取返回為空的解決辦法，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

首先介紹一下我們用360搜索派取城市排名前20。
我們爬取的網(wǎng)址：https://baike.so.com/doc/24368318-25185095.html

我們要爬取的內(nèi)容：

爬取的內(nèi)容

html字段：

源代碼

robots協(xié)議：

360搜索的robots協(xié)議

現(xiàn)在我們開始用python IDLE 爬取

爬取得到的是‘'空返回

import requests
r = requests.get("https://baike.so.com/doc/24368318-25185095.html")
r.status_code
r.text

結(jié)果分析，我們可以成功訪問到該網(wǎng)頁，但是得不到網(wǎng)頁的結(jié)果。被360搜索識別，我們將headers修改。

修改headers后得到成功的返回

輸出有個小插曲，網(wǎng)頁內(nèi)容很多，我是想將前500個字符輸出，第一次格式錯了

import requests
headers = {
  'Cookie':'OCSSID=4df0bjva6j7ejussu8al3eqo03',
  'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36'
         '(KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36',
}
r = requests.get("https://baike.so.com/doc/24368318-25185095.html"， headers = headers)
r.status_code
r.text

接著我們對需要的內(nèi)容進(jìn)行爬取，用(.find)方法找到我們內(nèi)容位置，用(.children)下行遍歷的方法對內(nèi)容進(jìn)行爬取，用(isinstance)方法對內(nèi)容進(jìn)行篩選：

import requests
from bs4 import BeautifulSoup
import bs4
headers = {
  'Cookie':'OCSSID=4df0bjva6j7ejussu8al3eqo03',
  'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36'
         '(KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36',
}
r = requests.get("https://baike.so.com/doc/24368318-25185095.html", headers = headers)
r.status_code
r.encoding = r.apparent_encoding
soup = BeautifulSoup(r.text, "html.parser")
for tr in soup.find('tbody').children:
	if isinstance(tr, bs4.element.Tag):
		tds = tr('td')
		print([tds[0].string, tds[1].string, tds[2].string])

得到結(jié)果如下：

輸出結(jié)果

修改輸出的數(shù)目，我們用Clist列表來存取所有城市的排名，將前20個輸出代碼如下：

import requests
from bs4 import BeautifulSoup
import bs4
Clist = list() #存所有城市的列表
headers = {
  'Cookie':'OCSSID=4df0bjva6j7ejussu8al3eqo03',
  'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36'
         '(KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36',
}
r = requests.get("https://baike.so.com/doc/24368318-25185095.html", headers = headers)
r.encoding = r.apparent_encoding #將html的編碼解碼為utf-8格式
soup = BeautifulSoup(r.text, "html.parser") #重新排版
for tr in soup.find('tbody').children:   #將tbody標(biāo)簽的子列全部讀取
	if isinstance(tr, bs4.element.Tag):  #篩選tb列表，將有內(nèi)容的篩選出啦
	  tds = tr('td')
	  Clist.append([tds[0].string, tds[1].string, tds[2].string])
for i in range(21):
  print(Clist[i])

最終結(jié)果：

最終的結(jié)果