python爬虫运行一遍后再运行不成功_python爬虫程序运行失败,求原因

#coding:utf8

from baike_spider import url_manager, html_downloader, html_parser,\

html_outputer

class SpiderMain(object):

#构造函数,初始化各个对象

def __init__(self):

#url管理器

self.urls = url_manager.UrlManager()

#url下载器

self.downloader = html_downloader.HtmlDownloader()

#url解析器

self.parser = html_parser.HtmlParser()

#url输出器

self.outputer =html_outputer.HtmlOutputer()

#爬虫的调度程序

def craw(self, root_url):

#count记录当前爬取的是第几个url

count = 1

#1.首先将入口url添加入管理器

self.urls.add_new_url(root_url)

#启动爬虫循环,当管理器中有url时

while self.urls.has_new_url():

try:

#获取一个待爬取的url

new_url = self.urls.get_new_url()

print 'craw %d : %s' % (count,new_url)

#启动下载器下载页面

html_cont = self.downloader.download(new_url)

#调用解析器解析页面数据,返回新的url列表和新的数据

new_urls,new_data = self.parser.parse(new_url,html_cont)

#将新的url补充到管理器

self.urls.add_new_urls(new_urls)

#收集数据

self.outputer.collect_data(new_data)

#爬取1000个目标

if count == 1000:

break

count = count + 1

except:

print 'craw failed'

#输出收集好的数据

self.outputer.output_html()

#1.首先编写main函数

if __name__=="_main_":

#2.编写入口的url

root_url = "http://baike.baidu.com/view/21087.htm"

obj_spider = SpiderMain()

#3.启动爬虫

obj_spider.craw(root_url)

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