沒報錯,只輸出了第一條記錄,然后就craw failed,跳出循環(huán)了,怎么回事?
# coding:utf-8
#from baike_spider?
import url_manager,html_downloader,html_parser,html_outputer
print html_parser.__name__
class SpiderMain(object):
def __init__(self):
self.urls=url_manager.UrlManager()
self.downloader=html_downloader.HtmlDownloader()
self.parser=html_parser.HtmlParser()
self.outputer=html_outputer.HtmlOutputer()
def craw(self,root_url):
count=1
self.urls.add_new_url(root_url)
while self.urls.has_new_url():
try:
#print self.urls.has_new_url()
new_url=self.urls.get_new_url()
print 'craw %d: %s'%(count,new_url)
html_cont=self.downloader.download(new_url)
print type(html_cont)?
new_urls,new_data=self.parser.parse(new_url,html_cont)
print new_urls,new_data
print "test"
self.urls.add_new_urls(new_urls)
self.outputer.collect_data(new_data)
if count==1000:
break
count=count+1
print "test"
except:
print 'craw failed'
self.outputer.output_html()
if __name__=="__main__":
root_url="http://baike.baidu.com/view/21087.htm"
obj_spider=SpiderMain()
obj_spider.craw(root_url)
2018-06-22
一個函數(shù)一個函數(shù)的對照,問題出在downloader里面沒有import urllib2這個模塊。
2017-08-07
craw 1 : https://baike.baidu.com/item/Python
craw failed
同求大神解決??!其他基本上都看了,也改了urllib.parse.urljoin,
2017-02-06
沒有報錯 但是就只有一條數(shù)據(jù) 其他的庫都引用啦!
2016-09-26
我也是這個問題啊,但是,
,為什么老提示我 urljoin 報錯啊,我有引入啊
2016-07-31
哎咿呀呀
2016-07-31
我也是這種問題
2016-07-31
我遇到了同樣的問題
但我的解析器 引用了這兩個import
2016-07-31
我也出現(xiàn)同樣的問題,可是我的解析器有import啊,就只爬了一條就退出來了
2016-07-24
最后還是自己發(fā)現(xiàn)解析器那部分沒有import re 和import urlparse,現(xiàn)在終于運行起來了!高興??!