只輸出了兩條內(nèi)容，但去掉try并沒有報(bào)錯(cuò)。。。要哭了，請(qǐng)各位大神幫忙看看！
（1）spider_main
#coding:utf8
import sys
reload(sys)? ?
sys.setdefaultencoding('utf8')
class UrlManager(object):
? ? def __init__(self):
? ? ? ? self.new_urls = set()
? ? ? ? self.old_urls = set()
? ??
? ? def add_new_url(self, url):
? ? ? ? if url is None:
? ? ? ? ? ? return
? ? ? ? if url not in self.new_urls and url not in self.old_urls:
? ? ? ? ? ? self.new_urls.add(url)
? ? def add_new_urls(self, urls):
? ? ? ? if urls is None or len(urls) == 0:
? ? ? ? ? ? return
? ? ? ? for url in urls:
? ? ? ? ? ? self.add_new_url(url)
? ??
? ? def has_new_url(self):
? ? ? ? return len(self.new_urls) != 0
? ? def get_new_url(self):
? ? ? ? #pop方法會(huì)抽取并移除一個(gè)url
? ? ? ? new_url = self.new_urls.pop()
? ? ? ? self.old_urls.add(new_url)
? ? ? ? return new_url
（2）html_downloader
#coding:utf8
import urllib2
import sys
reload(sys)? ?
sys.setdefaultencoding('utf8')
class HtmlDownloader(object):
? ??
? ??
? ? def download(self, url):
? ? ? ? if url is None:
? ? ? ? ? ? return None
? ? ? ??
? ? ? ? response = urllib2.urlopen(url)
? ? ? ??
? ? ? ? if response.getcode() != 200:
? ? ? ? ? ? return None
? ? ? ??
? ? ? ? return response.read()
（3）html_parser
#coding:utf8
from bs4 import BeautifulSoup
import re
import urlparse
import sys
reload(sys)? ?
sys.setdefaultencoding('utf8')
class HtmlParser(object):
? ??
? ??
? ? def _get_new_urls(self, page_url, soup):
? ? ? ? new_urls = set()
? ? ? ? #/item/%E6%95%99%E5%AD%A6? ?https://baike.baidu.com/item/%E6%95%99%E5%AD%A6
? ? ? ? links = soup.find_all('a', href = re.compile(r"/item/."))
? ? ? ? for link in links:
? ? ? ? ? ? new_url = link['href']
? ? ? ? ? ? new_full_url = urlparse.urljoin(page_url, new_url)
? ? ? ? ? ? new_urls.add(new_full_url)
? ? ? ? ? ? return new_urls
? ??
? ??
? ? def _get_new_data(self, page_url, soup):
? ? ? ? #將數(shù)據(jù)提出用res_data
? ? ? ? res_data = {}
? ? ? ??
? ? ? ? #把url放進(jìn)最終數(shù)據(jù)中
? ? ? ? res_data['url'] = page_url
? ? ? ??
? ? ? ? #<dd class="lemmaWgt-lemmaTitle-title"> <h1>Python</h1>
? ? ? ? title_node = soup.find('dd',class_ = "lemmaWgt-lemmaTitle-title").find("h1")
? ? ? ? res_data['title'] = title_node.get_text()
? ? ? ??
? ? ? ? #<div class="lemma-summary" label-module="lemmaSummary">
? ? ? ? summary_node = soup.find('div', class_ = "lemma-summary")
? ? ? ? res_data['summary'] = summary_node.get_text()
? ? ? ??
? ? ? ? return res_data
? ??
? ??
? ? def parse(self, page_url, html_cont):
? ? ? ? if page_url is None or html_cont is None:
? ? ? ? ? ? return
? ? ? ??
? ? ? ? soup = BeautifulSoup(html_cont, 'html.parser', from_encoding='utf-8')
? ? ? ? new_urls = self._get_new_urls(page_url, soup)
? ? ? ? new_data = self._get_new_data(page_url, soup)
? ? ? ? return new_urls, new_data
（4）html_outputer
#coding:utf8
import sys
reload(sys)? ?
sys.setdefaultencoding('utf8')
class HtmlOutputer(object):
? ? def __init__(self):
? ? ? ? self.datas = []
? ??
? ??
? ? def collect_data(self, data):
? ? ? ? if data is None:
? ? ? ? ? ? return
? ? ? ? self.datas.append(data)
? ??
? ? def output_html(self):
? ? ? ? fout = open('output.html', 'w')
? ? ? ??
? ? ? ? fout.write("<html>")
? ? ? ? fout.write("<body>")
? ? ? ? fout.write("<table>")
? ? ? ??
? ? ? ? #Python默認(rèn)編碼是ascii，所以如需輸出utf-8需做處理.encode('utf-8')
? ? ? ? for data in self.datas:
? ? ? ? ? ? fout.write("<tr>")
? ? ? ? ? ? fout.write("<td>%s</td>" % data['url'])
? ? ? ? ? ? fout.write("<td>%s</td>" % data['title'].encode('utf-8'))
? ? ? ? ? ? fout.write("<td>%s</td>" % data['summary'].encode('utf-8'))
? ? ? ? ? ? fout.write("/tr>")
? ? ? ? ? ??
? ? ? ? fout.write("</table>")
? ? ? ? fout.write("</body>")
? ? ? ? fout.write("</html>")
? ? ? ??
? ? ? ? fout.close()
（5）url_manager
#coding:utf8
import sys
reload(sys)? ?
sys.setdefaultencoding('utf8')
class UrlManager(object):
? ? def __init__(self):
? ? ? ? self.new_urls = set()
? ? ? ? self.old_urls = set()
? ??
? ? def add_new_url(self, url):
? ? ? ? if url is None:
? ? ? ? ? ? return
? ? ? ? if url not in self.new_urls and url not in self.old_urls:
? ? ? ? ? ? self.new_urls.add(url)
? ? def add_new_urls(self, urls):
? ? ? ? if urls is None or len(urls) == 0:
? ? ? ? ? ? return
? ? ? ? for url in urls:
? ? ? ? ? ? self.add_new_url(url)
? ??
? ? def has_new_url(self):
? ? ? ? return len(self.new_urls) != 0
? ? def get_new_url(self):
? ? ? ? #pop方法會(huì)抽取并移除一個(gè)url
? ? ? ? new_url = self.new_urls.pop()
? ? ? ? self.old_urls.add(new_url)
? ? ? ? return new_url
? ??
?
