Python爬取拉勾网爬取几页后就开始报错

引入requests、bs4、fake_useragent，爬取网页时爬取几页就开始在get_content()报错。如果设置的页码是1-10，可以爬取到1-6页的数据；如果设置的页码是8-15，可以爬取到8-12的数据。

def download_page(url):
    try:
        headers = {'User-Agent':UserAgent().random}
        r = requests.get(url, headers=headers,timeout=5)
        r.raise_for_status()
        return r.text
    except:
        print("download_page错误")
def get_content(html, page):
    try:
        output = """第{}页 \n 公司{} \n 工资{} 工作地址{} --------------------------------\n"""
        soup = BeautifulSoup(html, 'html.parser')
        page = str(page)
        con = soup.find('div', class_='s_position_list')
        con_list = con.find('ul', class_='item_con_list').find_all('li', class_='con_list_item')
        print(con_list)
        for i in con_list:
            company = i.find('div', class_='company_name').find('a').string
            money = i.find('span', class_='money').string
            address = i.find('span', class_='add').get_text()
            save_txt(output.format(page, company, money, address))
    except:
        print('get-content错误')

爬取的部分内容如下.txt格式
Python爬取拉勾网爬取几页后就开始报错
爬取过于频繁会错误，但过会儿又可以进行爬取，请问如何解决

回答：

批量抓取一般建议使用scrapy，像ip代理，频繁抓取报错等等你目前遇到以及未遇到的问题，scrapy已经有成熟的方案。

回答：

一个是需要控制抓取频率，二个是代理ip。

回答：

except Exception as e:
        print('错误原因', e)
        print('get-content错误')

这样写就知道具体是什么，然后再百度google搜

以上是 Python爬取拉勾网爬取几页后就开始报错 的全部内容， 来源链接： utcz.com/a/164358.html

回到顶部