Ones' 2017-12-06 08:06 采纳率: 0%
浏览 1414

《用Python写网络爬虫》1.4.2网站地图爬虫代码运行结果与书上的不同的原因

代码如下:

import urllib2
import re

def download(url,user_agent='wswp',num_retries=2):
    print 'Downloading:',url
    headers={'User-agent':user_agent}
    request=urllib2.Request(url,headers=headers)
    try:
        html=urllib2.urlopen(request).read()
    except urllib2.URLError as e:
        print 'Download error:',e.reason
        html=None
        if num_retries>0:
            if hasattr(e,'code') and 500<=e.code<600:
                return download(url,user_agent,num_retries-1)
    return html

def crawl_sitemap(url):
    sitemap=download(url)
    links=re.findall('<loc>(.*?)</loc>',sitemap)
    for link in links:
        html=download(link)

crawl_sitemap('http://example.webscraping.com/sitemap.xml')

运行结果:

图片说明

  • 写回答

2条回答 默认 最新

  • oyljerry 2017-12-06 08:24
    关注

    打印一下html估计返回的内容跟教材原来访问的不同了

    评论

报告相同问题?