这段时间突然对网络爬虫比较感兴趣，于是入手了一下。今天看到一个大学排名的网站，想将网页上的排名信息爬取下来。代码如下：
import requests
import bs4
from bs4 import BeautifulSoup
import re
def getHTMLText(url):
try :
r = requests.get(url, timrout = 30 )
r.raise_for_status()
r.encoding = r.apparent_encoding
return r.text
except :
return ""
def fillUnivList(ulist, html):
soup = BeautifulSoup(html, "html.parser" )
tbody = soup.find( 'tbody' )
for tr in soup.find( 'tbody' ).children:
if isinstance (tr, bs4.element.Tag):
tds = tr( 'td' )
ulist.append([tds[ 0 ].string,tds[ 1 ].string,tds[ 2 ].string])
def printUnivList(ulist, num):
print ( "{:^10} \t {:^10} \t {:^10}" .format( "排名" , "大学名称" , "总分" ))
for i in range (num):
u = ulist[i]
print ( "{:^10} \t {:^10} \t {:^10}" .format(u[ 0 ],u[ 1 ],u[ 2 ]))
def main():
#num = int(raw_input("请输入您要查询的大学数："))
unifo = []
url = "http://www.gaokaopai.com/paihang-otype-2.html?f=1&ly=bd&city=&cate=&batch_type="
html = getHTMLText(url)
print (html)
fillUnivList(unifo, html)
printUnivList(unifo, 10 )
main()
运行一下，提示错误：
for tr in soup.find('tbody').children:
调试了一天，也上网搜了很多，但怎么也没有解决，下午打完球回来一看，突然发现自己好傻，原来是getHTMLText（）函数中的
AttributeError: 'NoneType' object has no attribute 'children'
r = requests.get(url, timrout = 30 )
这一句中的timeout打错字了，不过为什么呢？苦恼的我开始继续百度，终于功夫不负有心人，找到了答案：
首先，解析一下这个错误提示，大体的意思就是soup.find()这个函数返回的对象没有children这个属性； 这就很好办了，问题已经确定，就在soup.find()中，于是上网搜了一下find（）函数，发现其返回的对象又children这个属性，应该没错，又想到是不是查找的‘tbody’没有子类，查看源代码后发现有，顿时懵了，还有其他的原因吗，想了一个小时，突然想到会不会连最起码的网页内容都没获取到，于是先尝试输出网页源代码，果然，没有，于是去看getHTMLText函数，发现了错误所在