python爬蟲之異常捕獲及標簽過濾詳解

增加異常捕獲,更容易現問題的解決方向

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處增加兩個異常捕獲:
            1、如果頁面出現錯誤或者服務器不存在時,會拋HTTP錯誤代碼
            2、如果url寫錯瞭或者是鏈接打不開時,會拋URLError錯誤
    """
    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為BeautifulSoup對象中有時候標簽實際不存在時,會返回None值;
    因為不知道,所以調用瞭就會導致拋出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,更好的實現數據展示效果

  • get_text():獲取文本信息
# 此處代碼同上面打開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'電影評價數:{data}')
print(f'電影評價數:{data.get_text()}')

運行後的結果顯示如下:

電影評價數:<span class="pl">(38054人評價)</span>
電影評價數:(38054人評價)
  • find() 方法是過濾HTML標簽,查找需要的單個標簽

圖片

實際find方法封裝是調用瞭正則find_all方法,把find_all中的limt參數傳1,獲取單個標簽

1.name:可直接理解為標簽元素

2.attrs:字典格式,放屬性和屬性值 {“class”: “indent”}

3.recursive:遞歸參數,佈爾值,為真時遞歸查詢子標簽

4.text:標簽的文本內容匹配 , 是標簽的文本,標簽的文本

  • find_all() 方法是過濾HTML標簽,查找需要的標簽組

使用方法適合find一樣的,無非就是多瞭個limit參數(篩選數據)

圖片

必須註意的小知識點:

#   下面兩種寫法,實際是一樣的功能,都是查詢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"瞭,因為class是python中類的關鍵字
bs.find_all(class_="text")
bs.find_all(' ', {"class": "text"})

到此這篇關於python爬蟲之異常捕獲及標簽過濾詳解的文章就介紹到這瞭,更多相關python異常捕獲及標簽過濾內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: