python - Python - “NoneType”对象没有属性“find_next_sibling”
问题描述
我试图制作一个维基百科爬虫,它获取“另见”链接文本,然后输入标签链接到的网址。但是,文章的“另见”部分(这是一个无组织的列表)没有任何类或 id,所以我使用方法“find_next_sibling”得到它。接下来,它会遍历那里的每个链接的 Wikipedia 页面,并执行相同的操作。这是我的代码:
import requests
from bs4 import BeautifulSoup
def wikipediaCrawler(page, maxPages):
pageNumber = 1
while pageNumber < maxPages:
url = "https://en.wikipedia.org" + page
sourceCode = requests.get(url)
print(sourceCode)
plainText = sourceCode.text
soup = BeautifulSoup(plainText, "html.parser")
ul = soup.find("h2", text="See also").find_next_sibling("ul")
for li in ul.findAll("li"):
print(li.get_text())
for link in ul.findAll('a'):
page = str(link.get('href'))
print(page)
pageNumber += 1
wikipediaCrawler("/wiki/Online_chat", 3)
它正常打印第一页。问题是,每当它尝试切换页面时,我都会收到此错误:
Traceback (most recent call last):
File "C:/Users/Shaman/PycharmProjects/WebCrawler/main.py", line 23, in <module>
wikipediaCrawler("/wiki/Online_chat", 3)
File "C:/Users/Shaman/PycharmProjects/WebCrawler/main.py", line 14, in wikipediaCrawler
ul = soup.find("h2", text="See also").find_next_sibling("ul")
AttributeError: 'NoneType' object has no attribute 'find_next_sibling'
我打印请求函数,它显示“Response<200>”,所以它看起来不像是权限问题。老实说,我不知道为什么会这样。有任何想法吗?提前致谢
编辑:我知道它搜索的维基百科文章都包含带有文本“另见”的标签。在这种情况下,它搜索了“Voice_chat”文章,尽管它在那里,但没有找到任何东西。
解决方案
我认为您想要在开始“另请参阅”部分 <ul>
的标签之后。h2
找到它的一种方法h2
是使用CSS 选择器找到正确的标签,然后抓取父元素(the h2
),然后从那里获取下一个兄弟元素:
def wikipediaCrawler(page, maxPages):
#...
soup = BeautifulSoup(plainText, "html.parser")
see_also = soup.select("h2 > #See_also")[0]
ul = see_also.parent.find_next_sibling("ul")
for link in ul.findAll('a'):
page = str(link.get('href'))
print(page)
wikipediaCrawler("/wiki/Online_chat", 3)
输出:
/wiki/Chat_room
/wiki/Collaborative_software
/wiki/Instant_messaging
/wiki/Internet_forum
/wiki/List_of_virtual_communities_with_more_than_100_million_active_users
/wiki/Online_dating_service
/wiki/Real-time_text
/wiki/Videotelephony
/wiki/Voice_chat
/wiki/Comparison_of_VoIP_software
/wiki/Massively_multiplayer_online_game
/wiki/Online_game
/wiki/Video_game_culture
推荐阅读
- python-2.7 - python上传到S3没有凭据
- karate - `KeyId:secretKey`和`KeyId:'#(secretKey)'有什么区别?
- c# - 如何使用组织者为光子中的每个玩家设置相机?
- reactjs - 我在这个 Alert React Bootstrap 示例中缺少什么?
- mysql - Mysql,如果不重复则插入,否则替换 - 用于整个表
- mongodb - 为 MongoDB 聚合中的字段分配增量编号
- laravel - 使用 Laravel Homestead:“没有指定输入文件”
- javascript - 当另一个元素滚动到视口中时向按钮添加类
- r - R ggplot geom.tile函数中的手动bin大小选择?
- javascript - 创建一个 .change() 来替换 .click() 或类似的东西