4

我已经编写了我的第一个 python 代码来抓取一个网站。

import csv
import urllib2
from BeautifulSoup import BeautifulSoup

c = csv.writer(open("data.csv", "wb"))
soup = BeautifulSoup(urllib2.urlopen('http://www.kitco.com/kitco-gold-index.html').read())
table = soup.find('table', id="datatable_main")
rows = table.findAll('tr')[1:]

for tr in rows:
   cols = tr.findAll('td')
   text = []
   for td in cols:
       text.append(td.find(text=True))
   c.writerow(text)

当我在名为 pyCharm 的 ide 中本地测试它时，它运行良好，但是当我在运行 CentOS 的服务器上尝试它时，我收到以下错误：

domainname.com [~/public_html/livegold]# python scraper.py
Traceback (most recent call last):
  File "scraper.py", line 8, in <module>
    rows = table.findAll('tr')[:]
AttributeError: 'NoneType' object has no attribute 'findAll'

我猜我没有远程安装模块，我已经挂断了两天，任何帮助将不胜感激！:)

4

2 回答 2

4

您忽略了 中可能发生的任何错误urllib2.urlopen，如果由于某种原因您在尝试在服务器上获取该页面时遇到错误，而您没有在本地进行测试，您实际上是在传递一个空字符串 ( '') 或您的页面不要期望（例如 404 页面）BeautifulSoup。

这反过来又使您soup.find('table', id="datatable_main")返回None，因为该文件是您不期望的。

您应该确保可以在服务器上获取您尝试获取的页面，或者正确处理异常。

于 2013-08-05T19:10:17.483 回答
1

脚本读取的页面中没有tablewith id datatable_main。

尝试将返回的页面打印到终端 - 也许您的脚本无法联系 Web 服务器？有时托管服务会阻止传出 HTTP 连接。

于 2013-08-05T19:08:43.623 回答