亚洲在线久爱草,狠狠天天香蕉网,天天搞日日干久草,伊人亚洲日本欧美

為了賬號安全,請及時綁定郵箱和手機立即綁定

TypeError: 'NoneType' object is not iterable 怎么解決啊?

#coding:utf-8
from?baike_spider?import?url_manager,?html_downloader,?html_parser,\
????html_outputer




class?SpiderMain(object):
????def?__init__(self):????#這些模塊我們需要在各個函數中進行初始化
????????self.urls=url_manager.UrlManager()??#url管理器
????????self.downloader=html_downloader.HtmlDownloader()?#html下載器
????????self.parser=html_parser.HtmlParser()??#html解析器
????????self.outputer=html_outputer.HtmlOutputer()??#輸出器
????????
????#爬蟲的調度程序
????def?craw(self,?root_url):
????????count=1
????????self.urls.add_new_url(root_url)??#將入口url添加到管理器,這時url管理器中就有待爬取的url了
????????while?self.urls.has_new_url():??#循環:判斷url管理器中是否有待爬取的url,即'has_new_url'為True或者False
????????????#try:
????????????new_url=self.urls.get_new_url()?#url管理器中有待爬取的url,通過get_new_url獲取一個待爬取的url
????????????print?'craw?%d?:?%s'%(count,new_url)??#打印正在打印第幾個url
????????????html_cont=self.downloader.download(new_url)?#獲取到一個待爬取的url后,啟動下載器下載這個頁面,結果儲存在html_cont
????????????new_urls,new_data=self.parser.parse(new_url,html_cont)?#24行:下載好的頁面,調用parser解析器來解析這個頁面,得到新的url列表(new_urls)和新的數據(new_data),解析器傳入兩個參數,當前爬取的url(new_url),以及下載好的頁面數據(html_cont)
????????????self.urls.add_new_urls(new_urls)??#解析得到新的url(new_urls),添加到url管理器
????????????self.outputer.collect_data(new_data)?#收集數據(new_data)
????????????
????????????if?count==1000:
????????????????break
????????????count+=1
????????????
????????????#except:???????????#遇到異常情況的處理(某個url無法訪問
????????????????#print?'craw?failed'
????????????????
????????self.outputer.output_html()
????
????


#首先,編寫main函數
if?__name__=='__main__':
????root_url='http://baike.baidu.com/item/Python'??#設置入口url
????obj_spider=SpiderMain()???#創建實例,SpiderMain為類
????obj_spider.craw(root_url)?#調用spider的craw方法,來啟動爬蟲
#coding:utf-8

#在每個模塊中創建主程序所需的class
class?UrlManager(object):
????def?__init__(self):
????????self.new_urls=set()??#新的和已經爬取過的url全部儲存在?set()中
????????self.old_urls=set()
????
????#向管理器中添加一個新的url
????def?add_new_url(self,url):??#(利用這個方法.使self.new_urls中增加一個新的待爬取url)
????????if?url?is?None:
????????????return??#不進行添加
????????if?url?not?in?self.new_urls?and?url?not?in?self.old_urls:
????????????self.new_urls.add(url)
????
????#向管理器中添加批量新的url
????def?add_new_urls(self,urls):???#new_urls為網頁解析器解析得到的新的待爬取url列表
????????if?urls?is?None?or?len(urls)==0:??#如果這個urls列表長度為空或者為None
????????????return??#不進行添加
????????for?url?in?urls:
????????????self.add_new_url(url)???##注意一下

????
????#判斷管理器中是否有待爬取的url
????def?has_new_url(self):????????#has_new_url?用于spider_main中while語句的判斷
????????return?len(self.new_urls)?!=0???#如果長度不為0,就有待爬取的url
????????????
????????

????#從url管理器中獲取一個新的待爬取的url
????def?get_new_url(self):
????????new_url=self.new_urls.pop()??#從列表中獲取一個url,并移除這個url
????????self.old_urls.add(new_url)
????????return?new_url??#返回的new_url用于spider_main中的get_new_url
#coding:utf-8
import?urllib2


#在每個模塊中創建主程序所需的class
class?HtmlDownloader(object):
????
????
????def?download(self,url):
????????if?url?is?None:
????????????return?None
????????response=urllib2.urlopen(url)??#爬百度百科用的的為最簡單的urllib2代碼,沒有cookie和代理的考慮
????????if?response.getcode()?!=200:
????????????return?None
????????print?response.read()
#coding:utf-8
from?bs4?import?BeautifulSoup
import?re
import?urlparse


#在每個模塊中創建主程序所需的class
class?HtmlParser(object):
????
????
????def?_get_new_urls(self,?page_url,?soup):???#page_url是什么??page_url是主程序spider_main中給定的參數new_url.
????????new_urls=set()
????????#/item/123
????????links=soup.find_all('a',href=re.compile(r'/item/'))??#compile(r"/item/\d+\\"))??#'\\',前一個\用來取消后一個\的轉義功能
????????for?link?in?links:
????????????new_url=link['href']
????????????new_full_url=urlparse.urljoin(page_url,new_url)?#將new_url按照page_url的格式,生成一個全新的url
????????????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()??#原先寫錯成get_txt()

????????#<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):???#其中,(page_url,html_cont)就是?spider_main中第24行輸入的參數?(new_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)??#創建self._get_new_urls本地方法,這個方法主要是為了find_all所有相關網頁url,并補全url,輸出到new_urls這個列表當中,給spider_main使用
????????new_data=self._get_new_data(page_url,soup)??#創建self._get_new_data
????????return?new_urls,new_data
#coding:utf-8


#在每個模塊中創建主程序所需的class
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,data):
????????fout=open('output.html','w')
????????
????????fout.write("<html>")
????????fout.write("<body>")
????????fout.write("<table>")
????????
????????#ascii
????????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()

http://img1.sycdn.imooc.com//5a4e150200019c0013660746.jpg

按照評論分享的代碼重新改了幾個地方,但依然出現這個錯誤.不知道錯在哪里了,代碼以上.

正在回答

1 回答

頁面 ?html_downloader.py

15行 ??print?response.read() ? 更改為 ?return?response.read()

0 回復 有任何疑惑可以回復我~
#1

LNYIE 提問者

可以了 謝謝
2018-01-05 回復 有任何疑惑可以回復我~
#2

LNYIE 提問者

弱弱的問一句,為什么print不行呢
2018-01-05 回復 有任何疑惑可以回復我~

舉報

0/150
提交
取消
Python開發簡單爬蟲
  • 參與學習       227596    人
  • 解答問題       1288    個

本教程帶您解開python爬蟲這門神奇技術的面紗

進入課程

TypeError: 'NoneType' object is not iterable 怎么解決啊?

我要回答 關注問題
微信客服

購課補貼
聯系客服咨詢優惠詳情

幫助反饋 APP下載

慕課網APP
您的移動學習伙伴

公眾號

掃描二維碼
關注慕課網微信公眾號