IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> scrapy爬虫提示 list index out of range -> 正文阅读

[Python知识库]scrapy爬虫提示 list index out of range

#导入模块
from bs4 import BeautifulSoup#数据获取网页解析
import re #正则表达式文字匹配
import urllib.request,urllib.error#制定url获取指定数据
import xlwt#进行excel操作
import sqlite3#数据库包

def main():
    baseurl = "https://movie.douban.com/top250?start=0"
    datalist = getData(baseurl)#爬取网页
    savepath = ".\\豆瓣电影.xls"
    # askURL("https://movie.douban.com/top250?start=0")

#影片详情链接的规则
findLink = re.compile(r'<a href="(.*?)">')#创建正则对象表示规则
#影片图片链接
findImgs = re.compile(r'<img.*src="(.*?)"',re.S)
#影片片名链接
findTitle = re.compile(r'<span class="title">(.*)</span> ')
#影片评分
findRating = re.compile(r'<span class="rating_num" property="v:average">(.*)</span>')
#评价人数
findJudge = re.compile(r'<span>(\d*)人评价</span>')#\d数字等价于0-9
#找到概况
findInq = re.compile(r'<span class="inq">(.*)</span>')
#找到影片相关内容
findBd = re.compile(r'<p class=" ">(/p)',re.S)

#爬取网页
def getData(baseurl):
    datalist = []
    for i in range(0,1):
        url = baseurl + str(i * 25)
        html = askURL(url)
        
        #逐一解析
        soup = BeautifulSoup(html,"html.parser")
        #查找符合要求字符串,形成列表
        for item in soup.find_all('div',class_="item"):
            #print(item)#测试查看电影item
            data = []
            item = str(item)

            #影片详情链接
            Link = re.findall(findLink,item)
            data.append(Link)
            imgsrc = re.findall(findImgs,item)[0]
            data.append(imgsrc)#添加图片
            titles = re.findall(findTitle,item)#片名只添加中文名
            if(len(titles) == 2):
                ctitle = titles[0]
                data.append(ctitle)
                otitle = titles[1].replace("/","")
                data.append(otitle)#添加外国名
            else:
                data.append(titles[0])
                data.append(' ')#外国名字留空

            rating = re.findall(findJudge,item)[0]
            data.append(rating)#添加评分

            judgeNum = re.findall(findJudge,item)[0]
            data.append(judgeNum)#添加评价人数

            inq = re.findall(findInq,item)


            if len(inq)  != 0:
               inq = inq[0].replace("。"," ")#去掉句号
               data.append(inq)#添加概述
            else:
                data.append(" ")
                bd = re.findall(findBd,item)[0]
                bd = re.sub('<br(\s+)?/>(\S+)'," ",bd)#去掉<br/>
                bd = re.sub('/'," ",bd)#/替换成空值
                data.append(bd.strip())#去掉前后空格
                datalist.append(data)  #处理好的放入datalist
    print(datalist)
    return datalist


#得到一个指定的URL网页内容
def askURL(url):
    #伪装其实也可以理解告诉服务器我们可以接收什么水平的文件内容
    head = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.164 Safari/537.36"}
    request = urllib.request.Request(url,headers=head)
    html = " "
    try:
        response = urllib.request.urlopen(request)
        html = response.read().decode("utf-8")
        #print(html)
    except urllib.error.URLError as e:
        if hasattr(e,"code"):
            print(e.code)
        if hasattr(e,"reason"):
            print(e.reason)
    return html


#保存数据
def saveData(savepath):
    print("save")



    
if __name__ == "__main__":
     main()



    

  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2021-09-20 15:45:02  更:2021-09-20 15:46:04 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/15 15:23:39-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码