在Python中使用requests庫(kù)爬取數(shù)據(jù)時(shí)返回為空如何解決

在Python中使用requests庫(kù)爬取數(shù)據(jù)時(shí)返回為空如何解決？很多新手對(duì)此不是很清楚，為了幫助大家解決這個(gè)難題，下面小編將為大家詳細(xì)講解，有這方面需求的人可以來(lái)學(xué)習(xí)下，希望你能有所收獲。

Python主要用來(lái)做什么

Python主要應(yīng)用于：1、Web開(kāi)發(fā)；2、數(shù)據(jù)科學(xué)研究；3、網(wǎng)絡(luò)爬蟲(chóng)；4、嵌入式應(yīng)用開(kāi)發(fā)；5、游戲開(kāi)發(fā)；6、桌面應(yīng)用開(kāi)發(fā)。

html字段：

robots協(xié)議：

現(xiàn)在我們開(kāi)始用python IDLE 爬取

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

結(jié)果分析，我們可以成功訪問(wèn)到該網(wǎng)頁(yè)，但是得不到網(wǎng)頁(yè)的結(jié)果。被360搜索識(shí)別，我們將headers修改。

輸出有個(gè)小插曲，網(wǎng)頁(yè)內(nèi)容很多，我是想將前500個(gè)字符輸出，第一次格式錯(cuò)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

接著我們對(duì)需要的內(nèi)容進(jìn)行爬取，用(.find)方法找到我們內(nèi)容位置，用(.children)下行遍歷的方法對(duì)內(nèi)容進(jìn)行爬取，用(isinstance)方法對(duì)內(nèi)容進(jìn)行篩選：

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])

得到結(jié)果如下：

修改輸出的數(shù)目，我們用Clist列表來(lái)存取所有城市的排名，將前20個(gè)輸出代碼如下：

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 #將html的編碼解碼為utf-8格式
soup = BeautifulSoup(r.text, "html.parser") #重新排版
for tr in soup.find('tbody').children:   #將tbody標(biāo)簽的子列全部讀取
	if isinstance(tr, bs4.element.Tag):  #篩選tb列表，將有內(nèi)容的篩選出啦
	  tds = tr('td')
	  Clist.append([tds[0].string, tds[1].string, tds[2].string])
for i in range(21):
  print(Clist[i])

最終結(jié)果：

看完上述內(nèi)容是否對(duì)您有幫助呢？如果還想對(duì)相關(guān)知識(shí)有進(jìn)一步的了解或閱讀更多相關(guān)文章，請(qǐng)關(guān)注億速云行業(yè)資訊頻道，感謝您對(duì)億速云的支持。