首頁猿問代碼沒有錯(cuò)，怎么運(yùn)行就停在第一個(gè)u...

Python

這個(gè)名字七個(gè)字 2017-10-20 20:02:39

# coding:utf8from baike_spider import url_manager,html_downloader,html_parser,html_outputerclass 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:? ? ? ? ? ? ? ? new_url =self.urls.get_new_url()? ? ? ? ? ? ? ? print ("craw %d : %s \n"%(count,new_url))? ? ? ? ? ? ? ? html_cont =self.downloader.download(new_url)? ? ? ? ? ? ? ? new_urls,new_data = self.parser.parse(new_url,html_cont)? ? ? ? ? ? ? ? self.urls.add_new_urls(new_urls)? ? ? ? ? ? ? ? self.outputer.collect_data(new_data)? ? ? ? ? ? ? ??? ? ? ? ? ? ? ? if count ==1000:? ? ? ? ? ? ? ? ? ? break? ? ? ? ? ? ? ? count +=1? ? ? ? ? ? except:? ? ? ? ? ? ? ? print ('craw failed')? ? ? ? self.outputer.output_html()? ? ? ? ? ? ? ? ?if __name__=="__main__":? ? root_url ="https://baike.baidu.com/item/Python/407313"? ? obj_spider = SpiderMain()? ? obj_spider.craw(root_url)——————————————————————————————————————————# coding:utf8class 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):? ? ? ? new_url =self.new_urls.pop()? ? ? ? self.old_urls.add(new_url)? ? ? ? return new_url————————————————————————————————————————————————# coding:utf8import urllib.requestclass HtmlDownloader(object):? ??? ??? ? def download(self,url):? ? ? ? if url is None:? ? ? ? ? ? return None? ? ? ? response = urllib.request.urlopen(url)? ? ? ??? ? ? ? if response.getcode() != 200:? ? ? ? ? ? return None? ? ? ??? ? ? ? return response.read()————————————————————————————————————————————————# coding:utf8from bs4 import BeautifulSoupimport refrom urllib.parse import urlparse#from urllib.parse import urljoinclass HtmlParser(object):? ??? ??? ? def _get_new_urls(self, page_url, soup):? ? ? ? new_urls =set()? ? ? ? #/item/123.htm? ? ? ? links = soup.find_all('a',href=re.compile(r"/item/\d+\.htm"))? ? ? ? for link in links:? ? ? ? ? ? new_url =link['href']? ? ? ? ? ? new_full_url = urlparse.urljoin(page_url,new_url) ?# @UndefinedVariable? ? ? ? ? ? new_urls.add(new_full_url)? ? ? ? return new_urls? ? ? ? ? ??? ? ? ? ? ??? ? def _get_new_data(self, page_url, soup):? ? ? ? res_data ={}? ? ? ??? ? ? ? #url? ? ? ? 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——————————————————————————————————————————————————# coding:utf8class 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>")? ? ? ? # ascil? ? ? ? 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()——————————————————————————————————————————————————運(yùn)行后就停在第一個(gè)url，如下所示：

查看完整描述