编写python爬虫出错

for i in range(33): # 每页20个小区，共648个小区
    url = 'https://newhouse.fang.com/house/s/b81-b9' + str(i+1) + '/'

from lxml import etree
import requests
from fake_useragent import UserAgent
import pandas as pd
import random
import time
import csv

headers = {
    'User-Agent' : UserAgent().random,
    'cookie' : "global_cookie=kxyzkfz09n3hnn14le9z39b9g3ol3wgikwn; city=www; city.sig=OGYSb1kOr8YVFH0wBEXukpoi1DeOqwvdseB7aTrJ-zE; __utmz=147393320.1664372701.10.4.utmcsr=mp.csdn.net|utmccn=(referral)|utmcmd=referral|utmcct=/mp_blog/creation/editor; csrfToken=KUlWFFT_pcJiH1yo3qPmzIc_; g_sourcepage=xf_lp^lb_pc'; __utmc=147393320; unique_cookie=U_bystp5cfehunxkbjybklkryt62fl8mfox4z*3; __utma=147393320.97036532.1606372168.1664431058.1664433514.14; __utmt_t0=1; __utmt_t1=1; __utmt_t2=1; __utmt_t3=1; __utmt_t4=1; __utmb=147393320.5.10.1664433514",
    # 设置从何处跳转过来
    'referer': 'https://newhouse.fang.com/house/s/b81-b91/'
}

url = 'https://newhouse.fang.com/house/s/b81-b91/'# 首页网址URL
page_text = requests.get(url=url, headers=headers).text# 请求发送
tree = etree.HTML(page_text)#数据解析

# 小区名称
name = [i.strip() for i in tree.xpath("//div[@class='nlcd_name']/a/text()")]
print(name)
print(len(name))

# 评论数
commentCounts = tree.xpath("//span[@class='value_num']/text()")
print(commentCounts)
print(len(commentCounts))

# 房屋面积
buildingarea = [i.strip() for i in tree.xpath("//div[@class='house_type clearfix']/text()")]
print(buildingarea)
print(len(buildingarea))

# 详细地址
detailAddress = tree.xpath("//div[@class='address']/a/@title")
print(detailAddress)
print(len(detailAddress))

# 所在区
district = [i.strip() for i in tree.xpath("//div[@class='address']//span[@class='sngrey']/text()")]
print(district)
print(len(district))

# 均价
num = tree.xpath(
    "//div[@class='nlc_details']/div[@class='nhouse_price']/span/text() | //div[@class='nlc_details']/div[@class='nhouse_price']/i/text()")
unit = tree.xpath("//div[@class='nlc_details']/div[@class='nhouse_price']/em/text()")
price = [i + j for i, j in zip(num, unit)]
print(price)
print(len(price))

# 评论数处理
commentCounts = [int(i.split('(')[1].split('条')[0]) for i in commentCounts]
print(commentCounts)

# 详细地址处理
detailAddress = [i.split(']')[1] for i in detailAddress]
print(detailAddress)

# 所在区字段处理
district = [i.split('[')[1].split(']')[0] for i in district]
print(district)

# 房屋面积处理
t = []
for i in buildingarea:
    if i != '/' and i != '':
        t.append(i.split('—')[1].split('平米')[0])
print(t)
print(len(t))

df = pd.DataFrame(columns = ['小区名称', '详细地址', '所在区', '均价', '评论数'])
df

for k in range(10):
    url = 'https://newhouse.fang.com/house/s/b81-b9' + str(k + 1) + '/'
    page_text = requests.get(url=url, headers=headers).text  # 请求发送
    tree = etree.HTML(page_text)  # 数据解析

    # 小区名称
    name = [i.strip() for i in tree.xpath("//div[@class='nlcd_name']/a/text()")]
    # 评论数
    commentCounts = tree.xpath("//span[@class='value_num']/text()")
    # 详细地址
    detailAddress = tree.xpath("//div[@class='address']/a/@title")
    # 所在区
    district = [i.strip() for i in tree.xpath("//div[@class='address']//text()")]
    # 均价
    num = tree.xpath(
        "//div[@class='nlc_details']/div[@class='nhouse_price']/span/text() | //div[@class='nlc_details']/div[@class='nhouse_price']/i/text()")
    unit = tree.xpath("//div[@class='nlc_details']/div[@class='nhouse_price']/em/text()")
    price = [i + j for i, j in zip(num, unit)]

    # 评论数处理
    commentCounts = [int(i.split('(')[1].split('条')[0]) for i in commentCounts]
    # 详细地址处理
    tmp1 = []
    for i in detailAddress:
        if ']' in i:
            tmp1.append(i.split(']')[1])
            continue
        tmp1.append(i)
    detailAddress = tmp1
    # 所在区处理
    tmp2 = []
    for i in district:
        if ']' in i and '[' in i:
            tmp2.append(i.split(']')[0].split('[')[1])
    district = tmp2

    dic = {'小区名称': name, '详细地址': detailAddress, '所在区': district, '均价': price, '评论数': commentCounts}
    df2 = pd.DataFrame(dic)
    df = pd.concat([df, df2], axis=0)
    print('第{}页爬取成功, 共{}条数据'.format(k + 1, len(df2)))

print('全部数据爬取成功')

df.to_csv('北京小区数据信息.csv',index=None)

pip install 把缺少的库安装一下，你这个是缺少库啊

帮你找了个相似的问题, 你可以看下: https://ask.csdn.net/questions/7450445
这篇博客你也可以参考下：用python写出各种三角形
同时，你还可以查看手册：python-具体异常中的内容
除此之外, 这篇博客: 用python发微博中的测试部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
写个测试代码：
```
if __name__ == '__main__':
    f = open(r"./share.jpeg", "rb")
    text = input('Input text:')
    res = share_weibo(text, f)
    f.close()
```
运行：
```
[root@localhost share_weibo]# py sina_weibo.py 
Input text:hello sky
```
成功发布一条图片微博：

hello sky
如果你想发个视频，可惜了，新浪没有提供对应的接口。我们只能通过在文本中包含已有视频的链接来达到类似的效果。比如要发这个视频：http://t.cn/Ail9eamb?m=4396440127989330&u=5296864682
运行：
```
[root@localhost share_weibo]# py sina_weibo.py 
Input text:http://t.cn/Ail9eamb?m=4396440127989330&u=5296864682
```
成功发送一条视频的微博：

video
可以在我的微博看到刚刚发送的这条视频。
您还可以看一下刘润森老师的极简Python爬虫课程课程中的开篇小节, 巩固相关知识点
以下回答由chatgpt基于相关博客总结生成:
根据您提供的代码和错误提示，可以看出问题是找不到bs4模块。一种可能的原因是安装的beautifulsoup4包不在Python的搜索路径中。下面给出一种解决方案：
1. 首先，确定您是否安装了beautifulsoup4包。您可以使用以下命令检查：
```
pip show beautifulsoup4
```
如果结果中显示了包的信息，则表示已经安装。
1. 如果上述命令未能找到包并显示错误信息，请重新安装beautifulsoup4包。您可以使用以下命令重新安装：
```
pip install beautifulsoup4
```
请确保在命令行窗口中运行该命令并等待安装完成。
1. 如果重新安装后仍然无法找到bs4模块，可能是因为beautifulsoup4包安装在了错误的Python解释器路径下。您可以尝试以下解决方案：
a. 使用命令pip show beautifulsoup4查找beautifulsoup4包的安装路径，并记下路径。
b. 将路径中的bs4文件夹拷贝到Python安装目录下的Lib文件夹中。这样bs4模块就可以被Python解释器找到了。
1. 如果以上解决方案仍未能解决问题，请尝试使用lxml解析器替代html.parser解析器。您可以使用以下代码：
```
soup = BeautifulSoup(response.text, 'lxml')
```
这样做的原因是lxml解析器比html.parser解析器性能更好。
请根据上述步骤逐个尝试解决问题，并在尝试完成后再次运行您的代码，看看问题是否得到解决。如果问题仍然存在，请回复我提供更多的信息和错误提示，以便我能够更好地帮助您解决问题。

问题点：当前运行环境缺少第三方库lxml,requests, fake_useragent,pandas(当前这四个都标红了)

安装指令如下,CMD黑色窗口下,逐个执行如下四个指令，安装好之后就可以正常运行代码了.(第十行代码删除,因为没用)

pip install lxml
pip install requests
pip install fake_useragent
pip install pandas