20190715《Python网络数据采集》第 1 章

2019-07-24 09:24:24来源:博客园 阅读 ()

新老客户大回馈,云服务器低至5折

《Python网络数据采集》7月8号-7月10号,这三天将该书精读一遍,脑海中有了一个爬虫大体框架后,对于后续学习将更加有全局感。

此前,曾试验看视频学习,但是一个视频基本2小时,全部拿下需要30多个视频,如此看来每天学习一个视频时间都是非常吃力的,且都属于被动输入,尤其是在早上学习视频容易犯困。

故此,及时调整学习策略,采用 “电子书+廖雪峰网页教程+实操+Google+咨询程序员+每日总结归纳” 的主动学习模式,如此更加高效,更加容易把控进度!

学习爬虫,一者兴趣,致力于借此兴趣驱动力掌握编程思维,进而让自己有能够将想法做成产品的的技能;二者,为了一个近在眼前的爬虫商业化机遇,更希望借此为自己增加一个收入来源。

 

1. 爬虫常见得异常及处理方法,用一个简单得爬虫代码解释,核心知识点:

(1)异常一:网页在服务器上不存在(或者获取页面时,出现错误)。该异常发生时,程序会返回HTTP错误,如“404 Page Not Found” "500 Internet Server Error"等。

(2)异常二:服务器不存在(即,链接打不开,或者URL链接写错了),这时,urlopen会返回一个None对象。

Ps:有的时候,网页已经从服务器成功获取,如果网页上的内容并非完全是我们期望的那样,也会出现异常。


 1 from urllib.request import urlopen
 2 from bs4 import BeautifulSoup
 3 
 4 try:
 5     html = urlopen("http://pythonscraping.com/pages/page1.html")
 6 # print(html.read())
 7 # 检测:网页在服务器上是否存在(或者获取页面时是否出现错误)
 8 except HTTPError as e:
 9     print(e)
10 else:
11     bsobj = BeautifulSoup(html.read())
12     # 检测:服务器是否存在(就是说链接能否打开,或者是URL链接写错了)
13     if html is None:
14         print("URL is not found")
15     else:
16         print(bsobj.h1)
17         # print(bsobj.title)

 

 1 # 以上代码更改为检测异常更全面、可读性更强的代码,如下:
 2 from urllib.request import urlopen
 3 from bs4 import BeautifulSoup
 4 
 5 def getTitle(url):
 6     try:
 7         html = urlopen(url)
 8     except HTTPError as e:
 9         return None
10     try:
11         bsobj = BeautifulSoup(html.read())
12         title = bsobj.body.h1
13     except AttributeError as e:
14         return
15     return title
16 
17 title1 = getTitle("http://pythonscraping.com/pages/page1.html")
18 if title1 == None:
19     print("Title could not be found")
20 else:
21     print(title1)

 该部分代码执行时,出现报错:

 indentationerror: unexpected indent process finished with exit code 1

 Google发现,Tag和Space不能混合使用。原始第五行,def被tab缩进,后删除该tab缩进,问题解决。该问题具体原因,仍需要仔细查明!!!




原文链接:https://www.cnblogs.com/ElonJiang/p/11194206.html
如有疑问请与原作者联系

标签:

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有

上一篇:python列表生成式、键盘输入及类型转换、字符串翻转、字母大小写

下一篇:faster-rcnn错误信息 : tensorflow.python.framework.errors_im