在抓取网页时遇到了一段报错信息：
|
1 2 3 4 5 6 |
Traceback (most recent call last): File "D:/pythonDevelop/spider/pic_grab.py", line 14, in &l |
-
Python网络爬虫6 – 网页编码
… -
Python网络爬虫5 – 图片抓取
这一节看下如何抓取网页中的图片。目标网址是：http://pp.163.com/longer-yowoo/pp/10069141.html。这里有一组我非常喜欢的图片。
要抓取网页首先就要找出图片的网址。这里仍然是使用BeautifulSou…
-
Python网络爬虫4 – 多线程抓取
之前的内容已经大致实现了如何获取网页、分析网页、获取目标内容。接下来的目标是如何让网页抓取进行得更效率些。在进行抓取的时候，时间的消耗主要是在请求等待的时间上，所以一个最容易想到的优化方式就是使用多线程。
多线程
多线程的实现还是比较简单的，下…
-
lambda表达式3 – 方法引用
一个实例
使用lambda表达式可以创建简洁的匿名方法。不过，有时候lambda表达式只是简单的调用了已有的方法。此时，使用方法引用无疑是一个更简洁易读的方案。
再来看看之前使用过的Person类：
…1234567891011121314 -
intellij idea git ignore
使用intellij idea时想将一个文件或目录排除在版本控制外，却找不到add to ignore选项。在使用git时，可以直接编辑.ignore文件，但是还是觉得有些不方便。所以安装一个插件好了：settings –> plugins –&…
-
关于https的一个错误
前两天我维护的服务出了一个问题，在请求一个连接时发生了Exception：
…123456Exception in thread "main" javax.net.ssl.SSLPeerUnverifiedException: Host name 't -
Python网络爬虫3 – 使用BeautifulSoup解析网页
在第一节演示过如何使用正则表达式截取网页内容。不过html是比正则表达式更高一级的语言，仅仅使用正则表达式来获取内容还是有些困难的。
这次会使用一个新的工具：python的BeautifulSoup库，BeautifulSoup是用来从HTM…