Question

我正在尝试从此链接中抓取数据 https://www.seloger.com/ 而我得到了这个错误，我不明白是怎么回事，因为我之前已经尝试过此代码并且可以正常工作

import re
import requests
import csv
import json


with open("selog.csv", "w", newline="") as f:
writer = csv.writer(f)
writer.writerow(["id", "Type", "Prix", "Code_postal", "Ville", "Departement", "Nombre_pieces", "Nbr_chambres", "Type_cuisine", "Surface"]) 


for i in range(1, 500):
   url = str('https://www.seloger.com/list.htm?tri=initial&idtypebien=1,2&pxMax=3000000&div=2238&idtt=2,5&naturebien=1,2,4&LISTING-LISTpg=' + str(i))
   r = requests.get(url, headers = {'User-Agent' : 'Mozilla/5.0'})
   p = re.compile('var ava_data =(.*);\r\n\s+ava_data\.logged = logged;', re.DOTALL)
   x = p.findall(r.text)[0].strip().replace('\r\n    ','').replace('\xa0',' ').replace('\\','\\\\')
   x = re.sub(r'\s{2,}|\\r\\n', '', x)
   data = json.loads(x)
   f = csv.writer(open("Seloger.csv", "wb+"))


   for product in data['products']:
      ID = product['idannonce']
      prix = product['prix']
      surface = product['surface']
      code_postal = product['codepostal']
      nombre_pieces = product['nb_pieces']
      nbr_chambres = product['nb_chambres']
      Type = product['typedebien']
      type_cuisine = product['idtypecuisine']
      ville = product['ville']
      departement = product['departement']
      etage = product['etage']
      writer.writerow([ID, Type, prix, code_postal, ville, departement, nombre_pieces, nbr_chambres, type_cuisine, surface])

此错误：

Traceback (most recent call last):
File "Seloger.py", line 20, in <module>
x = p.findall(r.text)[0].strip().replace('\r\n    ','').replace('\xa0',' ').replace('\\','\\\\')
IndexError: list index out of range

Answer 1

此行是错误的：

x = r.text.strip().replace('\r\n    ','').replace('\xa0',' ').replace('\\','\\\\')

您需要在文本中找到什么？

要抓取文字，您需要在行上方更改为：

$info

然后找到您需要的东西

Answer 2

发生错误是因为有时没有匹配项，并且您试图访问空列表中的不存在项。可以用print(re.findall("s", "d")[0])复制相同的结果。

要解决此问题，请将x = p.findall(r.text)[0].strip().replace('\r\n ','').replace('\xa0',' ').replace('\\','\\\\')行替换为

x = ''
xm = p.search(r.text)
if xm:
    x = xm.group(1).strip().replace('\r\n    ','').replace('\xa0',' ').replace('\\','\\\\')

注释

使用p.findall(r.text)[0]时，要在输入中获得第一个匹配项，因此re.search最好，因为它只返回第一个匹配项。
要获取在第一个捕获组中捕获的替代物，您需要使用matchObject.grou[p(1)
if xm:很重要：如果没有匹配项，x将保留为空字符串，否则，将在组1中为其分配修改后的值。

IndexError：使用正则表达式列出索引超出范围

2 个答案: