网页
资讯
视频
图片
知道
文库
贴吧
地图
采购
进入贴吧
全吧搜索
吧内搜索
搜贴
搜人
进吧
搜标签
日
一
二
三
四
五
六
签到排名:今日本吧第
个签到,
本吧因你更精彩,明天继续来努力!
本吧签到人数:0
一键签到
成为超级会员,使用一键签到
一键签到
本月漏签
0
次!
0
成为超级会员,赠送8张补签卡
如何使用?
点击日历上漏签日期,即可进行
补签
。
连续签到:
天 累计签到:
天
0
超级会员单次开通12个月以上,赠送连续签到卡3张
使用连续签到卡
07月01日
漏签
0
天
python吧
关注:
461,992
贴子:
1,928,657
看贴
图片
吧主推荐
视频
游戏
4
回复贴,共
1
页
<<返回python吧
>0< 加载中...
【求助】用 BeautifulSoup 分析百度贴吧的页面
只看楼主
收藏
回复
钢登
白丁
1
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
用 BeautifulSoup 分析百度贴吧的页面,为什么只能提取前 60 多行的数据呢?
f = urllib.urlopen(url).read()
soup = BeautifulSoup(f, 'html.parser')
如上面的代码,f打印出来看了是完整的页面,有几百行,但是把soup打印出来只有60多行。爬取其他网页的数据整成,就是爬百度贴吧的帖子会出现这种情况,是什么原因呢?
san11030
童生
2
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
我之前碰到过一次,你试一试lxml 去解析
soup = BeautifulSoup(f, 'lxml')
记得 pip install lxml
电离的Tesla
探花
10
该楼层疑似违规已被系统折叠
隐藏此楼
查看此楼
原因是百度的html有错
登录百度账号
扫二维码下载贴吧客户端
下载贴吧APP
看高清直播、视频!
贴吧页面意见反馈
违规贴吧举报反馈通道
贴吧违规信息处理公示