python爬取证监会行政监管措施遭遇 IndexError: list index out of range

需求：
深圳证监会政府公开页面http://www.csrc.gov.cn/shenzhen/ ... gk.shtml?tab=zdgkml
爬取主动公开目录-证监局文种体裁-行政监管措施的842条数据制表

url的发掘：网页内信息变动网址不变，就从开发者工具里找到Request URL
第一页为http://www.csrc.gov.cn/searchLis ... nelName=&page=1
所以程序通过修改“page=”后面的数字实现翻页

但是遭遇了
Traceback (most recent call last):
File "D:\pythonProject\test 行政监管措施爬取.py", line 85, in
main()
File "D:\pythonProject\test 行政监管措施爬取.py", line 19, in main
saveData(datalist,savepath)
File "D:\pythonProject\test 行政监管措施爬取.py", line 77, in saveData
data = datalist
IndexError: list index out of range
不会修改，知识匮乏，请指导

# -*- codeing = utf-8 -*-

from bs4 import BeautifulSoup  # 网页解析，获取数据
import re  # 正则表达式，进行文字匹配`
import urllib.request, urllib.error  # 制定URL，获取网页数据
import xlwt  # 进行excel操作

findLink = re.compile(r'<a href="(.*?)">')  # 创建正则表达式对象
findTitle = re.compile(r'<a title="(.*?)">')
findNumber = re.compile(r'<td class="fwrq">(.*)</td>')
findDate = re.compile(r'<span class="date">(.*)</span>')

def main():
    baseurl = "http://www.csrc.gov.cn/searchList/58959eb1bd68458088cac63f46a5fa40?_isAgg=true&_isJson=true&_pageSize=10&_template=index&_rangeTimeGte=&_channelName=&page="  #要爬取的网页链接
    # 爬取网页
    datalist = getData(baseurl)
    savepath = "深圳证监会行政监管措施.xls"    #当前目录新建XLS，存储进去
    # 保存数据
    saveData(datalist,savepath)
    # saveData2DB(datalist,dbpath)



# 爬取网页
def getData(baseurl):
    datalist = []  #用来存储爬取的网页信息
    for i in range(0, 85):  # 调用获取页面信息的函数，85次
        url = baseurl + str(i)
        html = askURL(url)  # 保存获取到的网页源码
        # 2.逐一解析数据
        soup = BeautifulSoup(html, "html.parser")
        for item in soup.find_all('div', class_="item"):  # 查找符合要求的字符串
            data = []  # 保存一个文件的所有信息
            item = str(item)

            link = re.findall(findLink, item)[0]  # 通过正则表达式查找
            data.append(link)
            title = re.findall(findTitle, item)[0]
            data.append(title)
            number = re.findall(findNumber, item)[0]
            data.append(number)
            date = re.findall(findDate, item)[0]
            data.append(date)
    return datalist


# 得到指定一个URL的网页内容
def askURL(url):
    # 模拟浏览器头部信息，向sz证监会服务器发送消息
    head = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.99 Safari/537.36 Edg/97.0.1072.69"
    }
    # 用户代理，表示告诉sz证监会服务器，我们是什么类型的机器、浏览器（本质上是告诉浏览器，我们可以接收什么水平的文件内容）

    request = urllib.request.Request(url, headers=head)
    html = ""
    try:
        response = urllib.request.urlopen(request)
        html = response.read().decode("utf-8")
    except urllib.error.URLError as e:
        if hasattr(e, "code"):
            print(e.code)
        if hasattr(e, "reason"):
            print(e.reason)
    return html


# 保存数据到表格
def saveData(datalist,savepath):
    print("save.......")
    book = xlwt.Workbook(encoding="utf-8",style_compression=0) #创建workbook对象
    sheet = book.add_sheet('深圳证监会行政监管措施', cell_overwrite_ok=True) #创建工作表
    col = ("行政监管措施链接","标题","文号","发文日期")
    for i in range(0,4):
        sheet.write(0,i,col)  #列名
    for i in range(0,842):
        # print("第%d条" %(i+1))       #输出语句，用来测试
        data = datalist
        for j in range(0,4):
            sheet.write(i+1,j,data[j])  #数据
    book.save(savepath) #保存


if __name__ == "__main__":  # 当程序执行时
    # 调用函数
     main()
     print("爬取完毕！")

http://www.csrc.gov.cn/searchList/58959eb1bd68458088cac63f46a5fa40?_isAgg=true&_isJson=true&_pageSize=10&_template=index&_rangeTimeGte=&_channelName=&page=
网址返回的内容是json字符，不需要用bs库

改下面就可以了，看下注释，注意测试只采集了2个页面

# -*- codeing = utf-8 -*-
 
import urllib.request, urllib.error  # 制定URL，获取网页数据
import xlwt  # 进行excel操作
import json
 
 
def main():
    baseurl = "http://www.csrc.gov.cn/searchList/58959eb1bd68458088cac63f46a5fa40?_isAgg=true&_isJson=true&_pageSize=10&_template=index&_rangeTimeGte=&_channelName=&page="  #要爬取的网页链接
    # 爬取网页
    datalist = getData(baseurl)
    savepath = "深圳证监会行政监管措施.xls"    #当前目录新建XLS，存储进去
    # 保存数据
    saveData(datalist,savepath)
    # saveData2DB(datalist,dbpath)
 
 
 
# 爬取网页
def getData(baseurl):
    datalist = []  #用来存储爬取的网页信息
    #for i in range(0, 85):  # 调用获取页面信息的函数，85次
    for i in range(0, 2):  ########### 测试，只采集2页
        url = baseurl + str(i)
        html = askURL(url)  # 保存获取到的网页源码
        data=json.loads(html)
        #"行政监管措施链接","标题","文号","发文日期"
        for item in data['data']['results']:
            datalist.append([item['url'],item['title'],item['domainMetaList'][0]['resultList'][9]['value'],item['publishedTimeStr']])
    return datalist
 
 
# 得到指定一个URL的网页内容
def askURL(url):
    # 模拟浏览器头部信息，向sz证监会服务器发送消息
    head = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.99 Safari/537.36 Edg/97.0.1072.69"
    }
    # 用户代理，表示告诉sz证监会服务器，我们是什么类型的机器、浏览器（本质上是告诉浏览器，我们可以接收什么水平的文件内容）
 
    request = urllib.request.Request(url, headers=head)
    html = ""
    try:
        response = urllib.request.urlopen(request)
        html = response.read().decode("utf-8")
    except urllib.error.URLError as e:
        if hasattr(e, "code"):
            print(e.code)
        if hasattr(e, "reason"):
            print(e.reason)
    return html
 
 
# 保存数据到表格
def saveData(datalist,savepath):
    print("save.......")
    book = xlwt.Workbook(encoding="utf-8",style_compression=0) #创建workbook对象
    sheet = book.add_sheet('深圳证监会行政监管措施', cell_overwrite_ok=True) #创建工作表
    col = ("行政监管措施链接","标题","文号","发文日期")
    for i in range(0,4):
        sheet.write(0,i,col[i])  #列名###########这里也有问题，列名称应该对应
 
    i=1
    for item in datalist:
        for j in range(0,4):
            sheet.write(i,j,item[j])  #数据
        i+=1
 
 
    book.save(savepath) #保存
 
 
if __name__ == "__main__":  # 当程序执行时
    # 调用函数
     main()
     print("爬取完毕！")
 
 

索引越界.捕获那行代码异常.然后再报异常的时候,看下那个页面到底是啥样的

您好，我是有问必答小助手，您的问题已经有小伙伴帮您解答，感谢您对有问必答的支持与关注！
PS：问答VIP年卡 【限时加赠：IT技术图书免费领】，了解详情>>> https://vip.csdn.net/askvip?utm_source=1146287632