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www.887551.com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www.887551.com！