您好,登錄后才能下訂單哦!
這篇文章將為大家詳細(xì)講解有關(guān)Python爬蟲中獲取百科段子的案例,小編覺(jué)得挺實(shí)用的,因此分享給大家做個(gè)參考,希望大家閱讀完這篇文章后可以有所收獲。
糗事百科在前一段時(shí)間進(jìn)行了改版,導(dǎo)致之前的代碼沒(méi)法用了,會(huì)導(dǎo)致無(wú)法輸出和 CPU 占用過(guò)高的情況,是因?yàn)檎齽t表達(dá)式?jīng)]有匹配到的緣故。 現(xiàn)在,博主已經(jīng)對(duì)程序進(jìn)行了重新修改,代碼親測(cè)可用。
首先我們確定好頁(yè)面的URL。初步構(gòu)建如下的代碼來(lái)打印頁(yè)面代碼內(nèi)容試試看,先構(gòu)造最基本的頁(yè)面抓取方式,看看會(huì)不會(huì)成功。
# -*- coding:utf-8 -*- import urllib import urllib2 page = 1 url = 'http://www.qiushibaike.com/hot/page/' + str(page) try: request = urllib2.Request(url) response = urllib2.urlopen(request) print response.read() except urllib2.URLError, e: if hasattr(e,"code"): print e.code if hasattr(e,"reason"): print e.reason
運(yùn)行程序,哦不,它竟然報(bào)錯(cuò)了,真是時(shí)運(yùn)不濟(jì),命途多舛啊
line 373, in _read_status raise BadStatusLine(line) httplib.BadStatusLine: ''
好吧,應(yīng)該是 headers 驗(yàn)證的問(wèn)題,我們加上一個(gè) headers 驗(yàn)證試試看吧,將代碼修改如下
# -*- coding:utf-8 -*- import urllib import urllib2 page = 1 url = 'http://www.qiushibaike.com/hot/page/' + str(page) user_agent = 'Mozilla/4.0 (compatible; MSIE 5.5; Windows NT)' headers = { 'User-Agent' : user_agent } try: request = urllib2.Request(url,headers = headers) response = urllib2.urlopen(request) print response.read() except urllib2.URLError, e: if hasattr(e,"code"): print e.code if hasattr(e,"reason"): print e.reason
嘿嘿,這次運(yùn)行終于正常了,打印出了第一頁(yè)的 HTML 代碼,大家可以運(yùn)行下代碼試試看。在這里運(yùn)行結(jié)果太長(zhǎng)就不貼了。
關(guān)于Python爬蟲中獲取百科段子的案例就分享到這里了,希望以上內(nèi)容可以對(duì)大家有一定的幫助,可以學(xué)到更多知識(shí)。如果覺(jué)得文章不錯(cuò),可以把它分享出去讓更多的人看到。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。