目前自己写爬虫遇到的一些报错

错误1:list index out of range
    原因:在用lxml和xpath对一个网站进行解析,在解析的时候出现错误-IndexError: list index out of range
          是在中这个网站的html代码中有的标识为空,只要加上
try.....
exceptpass 
错误机制跳过空值就行了

错误2'utf-8' codec can't decode byte 0xd3
因为  原因是因为这里的0xd3,这是无法转换出来的部分,这是不属于编码字符集中的部分。所以,在进行编码转换的时候,会报错。
解决  修改字符集参数,一般这种情况出现得较多是在国标码(GBK)和utf8之间选择出现了问题。
     出现异常报错是由于设置了decode()方法的第二个参数errors为严格(strict)形式造成的,因为默认就是这个参数,将其更改为ignore

错误3'utf-8' codec can't decode byte 0x8b
      因为相应的数据被压缩了 变成zip的格式 需要解压
      所以这个函数来解压  text=ungzip(rest.read()).decode('utf-8')
	import gzip
	def ungzip(data):
    	try:
        	data=gzip.decompress(data)
    	except:
        	pass
    	return data
    
错误4:TypeError: POST data should be bytes, an iterable of bytes, or a file object. It cannot be of type str.
       post 请求必须是byte类型  encode('utf-8')str 转为 byte
       
错误5:TypeError: write() argument must be str, not bytes
       这里 decode('utf-8') 是 因为文件写入必须为 str   decode 将byte 转为str
     
错误6:UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb5 in position 251: invalid start byte
       decode('utf-8')不行         需要  decode('jbk')   
因为  <META http-equiv=Content-Type content="text/html; charset=gb2312">   charset=gb2312  这为jbk
对于这个 <META http-equiv=Content-Type content="text/html; charset=gb2312"> 一般在网页源代码 最前面看一看

我也不知道这是不是好的解决方法 我自己做过得,应该可以得行吧
如果有错误的 也欢迎各位指出
要是有好的方法 欢迎留言 一起学习交流交流

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值