• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    Python用requests库爬取返回为空的解决办法

    首先介紹一下我們用360搜索派取城市排名前20。
    我们爬取的网址:https://baike.so.com/doc/24368318-25185095.html

    我们要爬取的内容:


    html字段:


    robots协议:


    现在我们开始用python IDLE 爬取

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

    结果分析,我们可以成功访问到该网页,但是得不到网页的结果。被360搜索识别,我们将headers修改。


    输出有个小插曲,网页内容很多,我是想将前500个字符输出,第一次格式错了

    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
    

    接着我们对需要的内容进行爬取,用(.find)方法找到我们内容位置,用(.children)下行遍历的方法对内容进行爬取,用(isinstance)方法对内容进行筛选:

    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])
    

    得到结果如下:


    修改输出的数目,我们用Clist列表来存取所有城市的排名,将前20个输出代码如下:

    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 #将html的编码解码为utf-8格式
    soup = BeautifulSoup(r.text, "html.parser") #重新排版
    for tr in soup.find('tbody').children:   #将tbody标签的子列全部读取
    	if isinstance(tr, bs4.element.Tag):  #筛选tb列表,将有内容的筛选出啦
    	  tds = tr('td')
    	  Clist.append([tds[0].string, tds[1].string, tds[2].string])
    for i in range(21):
      print(Clist[i])
    

    最终结果:


    到此这篇关于Python用requests库爬取返回为空的解决办法的文章就介绍到这了,更多相关Python requests返回为空内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

    您可能感兴趣的文章:
    • Python requests库参数提交的注意事项总结
    • 详解python requests中的post请求的参数问题
    • python requests完成接口文件上传的案例
    • python爬取豆瓣电影排行榜(requests)的示例代码
    • requests在python中发送请求的实例讲解
    • python 实现Requests发送带cookies的请求
    • python requests库的使用
    • Python+unittest+requests+excel实现接口自动化测试框架
    • python爬虫利器之requests库的用法(超全面的爬取网页案例)
    • python爬虫 requests-html的使用
    • python requests模块的使用示例
    上一篇:python利用proxybroker构建爬虫免费IP代理池的实现
    下一篇:python爬虫利用代理池更换IP的方法步骤
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    Python用requests库爬取返回为空的解决办法 Python,用,requests,库爬,取,