您当前的位置：首页 > IT编程 > python
\| C语言 \| Java \| VB \| VC \| python \| Android \| TensorFlow \| C++ \| oracle \| 学术与代码 \| cnn卷积神经网络 \| gnn \| 图像修复 \| Keras \| 数据集 \| Neo4j \| 自然语言处理 \| 深度学习 \| 医学CAD \| 医学影像 \| 超参数 \| pointnet \| pytorch \| 异常检测 \| Transformers \| 情感分类 \| 知识图谱 \|

自学教程：Python用requests库爬取返回为空的解决办法

51自学网 2021-10-30 22:55:40

python

这篇教程Python用requests库爬取返回为空的解决办法写得很实用，希望能帮到您。

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：

爬取的内容

html字段：

源代码

robots协议：

360搜索的robots协议

现在我们开始用python IDLE 爬取

爬取得到的是‘'空返回

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

修改headers后得到成功的返回

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 requestsheaders = {  '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_coder.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 requestsfrom bs4 import BeautifulSoupimport bs4headers = {  '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_coder.encoding = r.apparent_encodingsoup = 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：

输出结果

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 requestsfrom bs4 import BeautifulSoupimport bs4Clist = 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：

最终的结果

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51zixue.net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51zixue.net！

python利用proxybroker构建爬虫免费IP代理池的实现
python爬虫利用代理池更换IP的方法步骤