老师，视频里面的网页版的教程在哪能看到

代码:

from scrapy.cmdline import execute
execute('scrapy crawl baidu'.split())

老师请问一下，为什么我运行execute代码的时候直接报错了，而且我创建的baidu.py文件中的def parse(self,response)中的self,response这里提示我也有问题，请问老师这个是什么原因?

1楼的问题能解答一下吗？我的也是

老师，start01.bat点击后只闪了一下就结束了，内容看不出有什么问题

老师，我这个打印不出来内容是为啥，看下面的评论说没联网，可是我网络也没问题啊

代码：

from fake_useragent import UserAgent
import requests
from lxml import etree
from time import sleep


def get_html(url):
    '''
    :param url: 要爬取的地址
    :return: 返回html
    '''
    headers = {"User-Agent": UserAgent().chrome}
    resp = requests.get(url, headers=headers)
    # sleep(2)
    if resp.status_code == 200:
        resp.encoding = 'utf-8'
        return resp.text
    else:
        return None


def parse_list(html):
    '''
    :param html: 传递进来一个有电影列表的html
    :return: 返回一个电影列表的url
    '''

    e = etree.HTML(html)
    list_url = ['http://maoyan.com{}'.format(url) for url in e.xpath('//dd/div[@class="movie-item film-channel"]/a/@href')]
    return list_url


def pares_index(html):
    '''
    :param html: 传递进来一个有电影信息的html
    :return: 已经提取好的电影信息
    '''
    e = etree.HTML(html)
    name = e.xpath('//div/h1/text()')[0]
    type = e.xpath('//div/ul/li[@class="ellipsis"]/a/text()')[0]
    actors = e.xpath('//div[@class="celebrity-group"][2]/ul[@class="celebrity-list clearfix"]/li/div/a/text()')
    actors = format_data(actors)
    return {"name": name, "type": type, "actors": actors}


def format_data(actors):
    actor_set = set()
    for actor in actors:
        actor_set.add(actor.strip())
    return actor_set


def main():
    num = int(input('请输要获取多少页：'))
    for page in range(num):
        url = "https://maoyan.com/films?showType=3&offset={}".format(page*30)
        list_html = get_html(url)
        list_url = parse_list(list_html)
        for url in list_url:
            info_html = get_html(url)
            movie = pares_index(info_html)
            print(movie)


if __name__ == '__main__':
    main()

def parse_info(self, response):
    total_price = response.xpath('concat(//span[@class="total"]/text(),//span[@class="unit"]/span/text())').extract_first()
    community_name = response.xpath('//div[@class="communityName"]/a[@class="info"]/text()').extract_first()
    area_name = response.xpath('string(//div[@class="areaName"]/span[2])').extract_first()

老师为什么我获得response之后用xpath提取信息，能够正确获得总价total_price，但是小区名称就一直返回None，xpath表达式没有错，在浏览器上用xpath helper也能提取出来，就是pycharm调试的时候不行

老师，这里爬到一些数据像是转码过了，有什么办法解码吗

from fake_useragent import UserAgent
import requests
from lxml import etree  #解析库


def get_html(url):
    '''
    param url:要爬取的地址
    return:返回html
    '''

    headers={"User-Agent":UserAgent().chrome}
    resp=requests.get(url,headers=headers) #发送请求
    if resp.status_code ==200:
        resp.encoding='utf-8'  #设置字符集
        return resp.text
    else:
        return None

def parse_list(html):
    '''
    param url:传递进来一个有电影列表的html
    return:返回一个电影列表的url
    '''
    # if html:    #html在有值的情况下在做解析
    e=etree.HTML(html)
    list_url=['http://maoyan.com{}'.format(url) for url in e.xpath('//div[@class="movie-item-hover"]/a/@href')]
    return list_url

def pares_index(html):
    '''
    param url:传递进来一个有电影具体信息的html
    return:提取好的电影具体信息
    '''
    e = etree.HTML(html)
    name = e.xpath('//h1[@class="name"]/text()')
    type = e.xpath('//li[@class="ellipsis"][1]/a/text()')
    content = e.xpath('//span[@class="dra"]/text()')

    return {"name":name,"type":type,"content":content}

#     actors=e.xpath('')
#     actors=format_data(actors)

# 有重复的演员名字，需要去重
# def format_data(actors):
#     actor_set=set()
#     for actor in actors:
#         actor_set.add(actor.strip())  #strip去空格
#         return actor_set

def main():

    '''控制上述方法的实施，分配相应的url'''
    num = int(input('请输入多少页:'))
    for page in range(num):
        url="https://maoyan.com/films?showType=1&offset={}".format(page*30)

        list_html=get_html(url)  #发送请求
        list_url=parse_list(list_html)  #解析list_html,返回list_url每个电影的信息
        for url in list_url:
            info_html=get_html(url)
            movie = pares_index(info_html)
            print(movie)

if __name__ =='__main__':
    main()

老师，这个代码只运行到请输入多少页，然后就运行结束了。哪里出错了？

老师我的代码是按照视频里面敲的，但是运行的时候就会出错，只可以爬取几条数据，麻烦老师帮我看下子

from selenium import webdriver
from time import sleep
from lxml import etree

# 构造浏览器
chrome = webdriver.Chrome()
# 发送请求
url = 'https://search.jd.com/Search?keyword=%E7%AC%94%E8%AE%B0%E6%9C%AC&enc=utf-8&wq=%E7%AC%94%E8%AE%B0%E6%9C%AC&pvid=ce58b28b72ae48c190c8451125b8f894'
chrome.get(url)

# 拉动滚动条到底部，注意的是代码应该写在获取网页源码之前
js = 'document.documentElement.scrollTop=100000'
chrome.execute_script(js)
sleep(3)

html = chrome.page_source
e = etree.HTML(html)
# titles = e.xpath('//div[@class="p-name p-name-type-2"]/a/em/text()')
titles = e.xpath('//div[@id="J_goodsList"]//div[@class="p-name p-name-type-2"]/a/@title')
prices = e.xpath('//div[@id="J_goodsList"]//div[@class="p-price"]/strong/i/text()')

for title,price in zip(titles,prices):
    print(title,':',price)
print(len(price))
chrome.quit()

class ZolSpider(scrapy.Spider):
    name = 'zol'
    allowed_domains = ['faloo.com']
    start_urls = ['https://b.faloo.com/1216400_1.html']

    def parse(self, response):
        name = response.xpath('//h1/text()').extract_first()

        content = response.xpath('//div[@class="noveContent"]/p/text()').extract()

        next_url = response.xpath('//*[@id="next_page"]/@href').get()

        yield {
            'name':name,
            'content':content
        }
       
        yield scrapy.Request('https:'+next_url,callback=self.parse)

老师我有两个问题  parse这个方法是只要有url无限传递 那他就会无限爬取吗 类似于爬虫加个for循环吗

 这样只有在没有url了以后才会停止爬取 那要是想控制爬取的次数 或者说达到一定条件停止爬取 那这样应该怎么控制呢  yield有能像for循环那样能跳出语句的操作吗 

from fake_useragent import UserAgent
import requests
from pyquery import PyQuery as pq


url = 'https://www.qidian.com/finish'
headers = {'User-Agent':UserAgent().random}

resp = requests.get(url,headers=headers)

doc = pq(resp.text)

name = [a.text for a in doc('h4 a')]
book = doc('a[class="name"]').text()

老师，怎么使用pyquery提取作者名字啊，里面含有跟作者名称一样的a标签，我试了好久就是没提取出来，而且这个是不规律的，没法使用if进行筛选

老师，这是怎么回事啊?我的数据库连接正常啊，但是tomcat出不来

url = f'https://www.maoyan.com/films?showType=2&offset=0'
headers = {
    'User-Agent': UserAgent().chrome
}
resp = requests.get(url , headers=headers)
e = etree.HTML(resp.text)
movie_title = e.xpath('//dl[@class="movie-list"]/dd/div[@class="channel-detail movie-item-title"]/@title')
# movie_href = e.xpath("//dl[@class='movie-list']/dd/div[@class='channel-detail movie-item-title']/a/@href")
print(movie_title)
# for i in movie_title:
#     print(i)

老师，为啥我获取到的title和href值都只有1个

找了所有浏览器连负载都没有都不介绍一下

class ZolSpider(scrapy.Spider):
    name = 'zol'
    allowed_domains = ['faloo.com']
    start_urls = ['https://b.faloo.com/1216400_1.html']

    def parse(self, response):
        name = response.xpath('//h1/text()').extract_first()

        content = response.xpath('//div[@class="noveContent"]/p/text()').extract()

        next_url = response.xpath('//*[@id="next_page"]/@href').get()

        yield {
            'name':name,
            'content':content
        }
       
        yield scrapy.Request('https:'+next_url,callback=self.parse)

老师我有两个问题  parse这个方法是只要有url无限传递 那他就会无限爬取吗 类似于爬虫加个for循环

 这样只有在没有url了以后才会停止爬取 那要是想控制爬取的次数 或者说达到一定条件停止爬取 那这样应该怎么控制呢  yield有能像for循环那样能跳出语句的操作吗