python爬虫，为什么可以正常爬取数据，但程序还是走了为了提示报错而写的 except 里的内容？

  • Z时代
  • 2024-02-21
  • 分类：IT

为什么可以正常爬取数据，但程序还是走了为了提示报错而写的 except 里的内容？

import requests
from lxml import etree
import csv
from datetime import datetime
import time
def doSth():
    try:
        # 1.目标 url。
        url = 'https://s.weibo.com/top/summary?cate=realtimehot'
        # 模拟浏览器请求头
        headers = {
            'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.89 Safari/537.36'}
        # 2.发送请求
        data = requests.get(url, headers=headers).text
        # 转换
        html = etree.HTML(data)
        # 3.解析数据         xpath 取出来的数据是一个列表。
        # 排名
        rank = html.xpath('//td[@class="td-01 ranktop"]/text()')
        # 事件
        affair = html.xpath('//td[@class="td-02"]/a/text()')
        affair.pop(0)  # 忽略微博热搜的置顶推荐内容。   # .pop(n) :删除列表第 n+1 个元素。
        # 热度
        view = html.xpath('//td[@class="td-02"]/span/text()')
        # 链接
        link = html.xpath('//tr/td/a/@href')
        link_try = html.xpath('//tr/td/a/@href_to')
        link.pop(0)
        # 处理链接数据（因为链接的 html 位置可能存在不同的地方，所以做了以下判断）
        index = 0
        for i, sku in enumerate(link):  # 这里的 i 和 sku 是什么？这里的 i 和最后保存时最后的代码里的 i 一样吗？
            if sku == "javascript:void(0);":
                link[i] = link_try[index]
                index += 1
        # 4.保存数据为 csv。
        date = datetime.now().strftime('%Y-%m-%d %H-%M-%S')
        with open('./' + date + '.csv', 'w', newline='', encoding='utf-8-sig')as f:
            writer = csv.writer(f)
            writer.writerow(['排名', '事件', '热度', '链接'])
            for i, rank in enumerate(rank):
                writer.writerow([rank, affair[i], view[i], 'https://s.weibo.com' + link[i]])
        # 5.睡眠120秒。
        time.sleep(120)
    except:
        print(time.strftime("%Y-%m-%d %X"))
        print("requests speed so high,need sleep!")
        time.sleep(10)
        print("continue...")
while True:
    doSth()

停止运行后，还报了两个错
python爬虫，为什么可以正常爬取数据，但程序还是走了为了提示报错而写的 except 里的内容？

之前一直用这个可以跑，就这几天突然出现了问题。

回答：

for i, rank in enumerate(rank):
                writer.writerow([rank, affair[i], view[i], 'https://s.weibo.com' + link[i]])

应该是这里出现了问题，排查下这个i的取值范围是不是超过了affair或者view这两个数组的元素个数。

回答：

你只是朴素的认为自己的程序没有错，其实你抓到的只是一段js,并没有抓到网页的内容。
应该用selenium模拟浏览器动态加载才能请求到内容。
另外别搞while true,意义不大，你的ip地址应该已经被封了，再想大量请求到内容的话，尽量加个代理。

以上是 python爬虫，为什么可以正常爬取数据，但程序还是走了为了提示报错而写的 except 里的内容？ 的全部内容， 来源链接： utcz.com/p/937960.html

回到顶部