当代码缺失值时，如何修复Web抓取Python代码“ IndexError：列表索引超出范围”

Question

我正在研究网络抓取代码。 该代码在第一页和随后的页面上均能很好地工作，但是当出现另一个容器时会遇到问题。 问题是，对于大多数容器，class =“ date”包含两个变量（用户[0]和日期[1]的条目数），但是，当匿名用户发帖时，它仅显示日期[0] 。 由于该代码旨在查找第二个条目，因此由于“ IndexError：列表索引超出范围”而在此处停止

我曾尝试创建一个if循环，但是自从我是一个初学者以来，它就没有用。 有什么办法可以解决这个问题？

from bs4 import BeautifulSoup as soup
from urllib.request import urlopen as uReq
from random import randint
from time import sleep
from requests import get

out_filename = "Repromeda.csv"
headers = "text,user_name,date \n"
f = open(out_filename, "w")
f.write(headers)

pages = [str(i) for i in range(1,20)]

for page in pages:
    response = get('https://www.emimino.cz/diskuse/1ivf-repromeda-56566/strankovani/'+ page)
    sleep(randint(5,10))

    #opening up connection, grabing the page
    page_soup = soup(response.text, 'html.parser')
    #grabs each container
    containers = page_soup.findAll("div",{"class":"discussion_post"})

    for container in containers:
        text1 = container.div.p
        text = text1.text.replace('\n', ' ')

        user_container = container.div.b
        user_id = user_container.text

        date_container = container.findAll("span",{"class":"date"})
        date = date_container[1].text



        print("text: " + text + "\n" )
        print("user_id: " + user_id + "\n")
        print("date: " + date + "\n")
        # writes the dataset to file
        f.write(text.replace(",", "|") + ", " + user_id + ", " + date + "\n")

f.close()

Answer 1

由于该代码旨在查找第二个条目，因此由于“ IndexError：列表索引超出范围”而在此处停止，我尝试创建一个if循环，但是由于我是初学者，因此无法正常工作。

您是否仅在捕获date[1]时才尝试捕获它？ 在这种情况下，您可以在一个简单的try-catch块中简化查询：

try:
    date = date_container[1].text
except IndexError:
    date = "Not Available"

Answer 2

由于即使用户是匿名用户，日期仍然可用，因此您仍然可以使用except子句捕获日期。

try:
    date = date_container[1].text
except IndexError:
    date = date_container[0].text

Answer 3

使用bs4 4.7.1 +（不了解早期版本），您可以访问:last-child伪选择器。 您可以使用它来确保始终获得容器中具有类date的最后一个元素（而不必担心索引）

for container in containers:
        text1 = container.div.p
        text = text1.text.replace('\n', ' ')

        user_container = container.div.b
        user_id = user_container.text

        date = container.select_one('.date:last-child').text

        print("text: " + text + "\n" )
        print("user_id: " + user_id + "\n")
        print("date: " + date)