【python疑问（已解决）】爬虫时出现IndexError: list index out of range的错误 |
您所在的位置：网站首页 › 锆合金材料渗氮工艺流程图 › 【python疑问（已解决）】爬虫时出现IndexError: list index out of range的错误 |
|
# -*- coding: utf-8 -*-
"""
Created on Thu Mar 18 17:30:27 2021
@author: wangyu
"""
from bs4 import BeautifulSoup
import re
import urllib.request,urllib.error
import xlwt
import sqlite3#进行SQLite数据库操作
def main():
baseurl='https://movie.douban.com/top250?start='
#1、爬取网页
datalist=getData(baseurl)
#savepath='.\\豆瓣电影top250.xls'#.表示当前位置，
#3、保存数据
#saveData=(savepath)
# askURL('https://movie.douban.com/top250')
findLink = re.compile(r' ')#创建正则表达式对象，表示规则
#findLink = re.compile(r'')
#爬取网页
def getData(baseurl):
datalist=[]
for i in range(0,10):#调用获取页面的信息10次
url=baseurl+str(i*25)
html=askURL(url) #保存获取到的网页源码
#2、逐一解析数据
soup=BeautifulSoup(html,'html.parser')
for item in soup.find_all('div',class_="item"):
# print(item) 测试 查看电影item
data=[]#保存一部电影的全部信息
item=str(item)
#获取影片详情的链接
link=re.findall(findLink,item)[0]#re库通过正则表达式找到指定字符串
# print(link)
data.append(link) #添加链接
datalist.append(data) #把处理好的一部电影信息放入datalist
return datalist
#得到一个指定url的网页内容
def askURL(url):
head={ #模拟浏览器头部信息，向豆瓣服务器发送消息
'User-Agent':' Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'}
#用户代理：表示告诉豆瓣服务器，本机是什么类型的机器、浏览器（本质上是告诉浏览器，本机可以接受什么水平的文件）
request =urllib.request.Request(url,headers=head)
html=''
try:
response=urllib.request.urlopen(request)
html=response.read().decode('utf-8')#对中文进行解码
# print(html)
except urllib.error.URLError as e:
if hasattr(e,'code'):
print(e.code)
if hasattr(e,'reason'):
print(e.reason)
return html
#保存数据
def saveData(savepath):
print('save..')
if __name__ == "__main__": #当程序执行时
#调用函数
main()
会报错： runfile(‘C:/Users/wangyu/douban/未命名1.py’, wdir=‘C:/Users/wangyu/douban’) Traceback (most recent call last): File “C:\Users\wangyu\douban\未命名1.py”, line 81, in main() File “C:\Users\wangyu\douban\未命名1.py”, line 16, in main datalist=getData(baseurl) File “C:\Users\wangyu\douban\未命名1.py”, line 44, in getData link=re.findall(findLink,item)[0]#re库通过正则表达式找到指定字符串 IndexError: list index out of range 只要 link=re.findall(findLink,item)[0]中的[0]被去掉，就可以顺利得到250个网址，但是如果加上，就会报上面的错误。link中至少有250个元素，为什么还会报错呢？求各位大神解答 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |