Question

我正在尝试抓取网站并将数据写入CSV文件（已成功）。我面临两个挑战：

CSV文件中的数据保存在ROWS中而不是列中。
网站有页面，1,2,3,4 ...接下来我无法浏览所有页面来刮取数据。数据仅从第一页中删除。

错误：

if last_link.startswith('Next'):
TypeError: 'NoneType' object is not callable

代码：

import requests
import csv
from bs4 import BeautifulSoup

url = 'http://localhost:8088/wiki.html'

response = requests.get(url)
html = response.content
soup = BeautifulSoup(html)

table = soup.find('table', {'class' : 'tab_operator'})

list_of_rows = []
for rows in table.findAll('tr'):
    list_of_cells = []
    for cell in rows.findAll('td'):
        list_of_links = []
        for links in cell.findAll('a'):
            text = links.text.replace('&nbsp;', '')
            list_of_links.append(text)
        list_of_rows.append(list_of_links)

outfile = open('./outfile.csv', 'w')
writer = csv.writer(outfile)
writer.writerows(list_of_rows)

try:
    last_link = soup.find('table', {'id' : 'str_nav'}).find_all('a')[-1]
    if last_link.startswith('Next'):
        next_url_parts = urllib.parse.urlparse(last_link['href'])
        url = urllib.parse.urlunparse((base_url_parts.scheme, base_url_parts.netloc, next_url_parts.path, next_url_parts.params, next_url_parts.query, next_url_parts.fragment))

except ValueError:
    print("Oops! Try again...")

网站HTML示例代码：

### Numbers to scrape ###

<table cellpadding="10" cellspacing="0" border="0" style="margin-top:20px;" class="tab_operator">
<tbody><tr>
<td valign="top">
<a href="http://localhost:8088/wiki/9400000">9400000</a><br>
<a href="http://localhost:8088/wiki/9400001">9400001</a><br>
</td>
</tr></tbody>
</table>

###  Paging Sample Code: ###

<div class="pstrnav" align="center">
<table cellpadding="0" cellspacing="2" border="0" id="str_nav">
<tbody>
<tr>
<td style="background-color:#f5f5f5;font-weight:bold;">1</td>
<td><a href="http://localhost:8088/wiki/2">2</a></td>
<td><a href="http://localhost:8088/wiki/3">3</a></td>
<td><a href="http://localhost:8088/wiki/4">4</a></td>
<td><a href="http://localhost:8088/wiki/2">Next &gt;&gt;</a></td>
<td><a href="http://localhost:8088/wiki/100">Last</a></td>
</tr>
</tbody>
</table>
</div>

Answer 1

last_link是标记对象，不是字符串。 BeautifulSoup将标签上的任何属性名称视为标记搜索，而不是现有属性或方法。由于链接中没有startswith标记，该搜索会返回None，并且您正在尝试调用该对象：

>>> last_link = soup.find('table', {'id' : 'str_nav'}).find_all('a')[-1]
>>> last_link
<a href="http://localhost:8088/wiki/100">Last</a>
>>> last_link.startswith is None
True
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: 'NoneType' object is not callable

您想要测试包含的文本：

if last_link.get_text(strip=True).startswith('Next'):

这使用Tag.get_text() method来访问链接中的所有文字;即使链接中包含其他标记（例如<b>或<i>标记），使用此方法也可以正常工作。

您可能希望直接在此处搜索Next链接：

import re

table = soup.select_one('table#str_nav')
last_link = table.find('a', text=re.compile('^Next'))

正则表达式指定只有以Next开头的直接包含文本才允许a标记匹配。

Python TypeError：'NoneType'对象不可调用

1 个答案: