python爬虫怎么编程_Python爬虫编程常见问题解决方法

Python爬虫编程常见问题解决方法：

1.通用的解决方案：

【按住Ctrl键不送松】，同时用鼠标点击【方法名】，查看文档

2.TypeError: POST data should be bytes, an iterable of bytes, or a file object. It cannot be of type str.

问题描述：【类型错误】就是数据的类型应该是bytes类型，而不是str类型

解决方案：

data = data.encode('utf-8')

3.爬取得到的HTML在一行显示

调试步骤：通过print(type(html))查看html的类型, 可以查出是bytes类型，就需要解码

解决方案：

html = html.decode()

4.有时候使用爬虫会被网站封了IP，所以需要去模拟浏览器

解决方案：

header = {"User-Agent": "mozilla/4.0 (compatible; MSIE 5.5; Windows NT)"}

req = request.Request(url=base_url,data=bytes(data,encoding='utf-8'),headers=header)

5.当服务器返回json格式的数据乱码

调试步骤：

1.通过print(type(json_data))查看数据的类型,

2.可以查出是str类型，就是说返回的字符串中有bytes类型的数据

解决方案：把json字符串转换为字典

json_data = json.loads(json_data)

6.怎么只输出json数据的value或者某个key对应的value，不要[{}]

问题描述： 想要jsonkey/value的一部分

典型案例：

例如：

json_data=

{'errno': 0,

'data': [{'k': 'good',

'v': 'adj. 好的;'

},

{'k': 'good morning',

'v': 'int. 早安;'

}

]

}

要求： 只想要输出good: adj. 好的，而不要其他的格式

1.可以通过json_data['data']，只输出json数据json_data中‘data’对应的值，也就是

[{'k': 'good',

'v': 'adj. 好的;'

},

{'k': 'good morning',

'v': 'int. 早安;'

}

]

2.遍历输出每个'k'和'v'的值

# 遍历输出每个'k'和'v'的值

for item in json_data['data']:

print(item['k'], ": ", item['v'])

7.返回的页面是一个链接，而不是链接的页面

问题描述： 百度搜索，我们输入搜索内容，返回的是一个包括原地址链接的html，而不是访问该链接 的html，且返回的html中：location.replace(location.href.replace("https://","http://"));

问题实例截图：

解决方案： 如果使用的是http改成https，

如果使用的是https改成http，就可以了

我的爬虫笔记

- 本笔记不允许任何个人和组织转载