python爬虫零基础

请问大家为什么会报错呀，这个网址是对的。为啥变白了呀？谢谢！

import requests
import re
headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36 Edg/114.0.1823.67'}
ur1 = 'https://movie.douban.com/chart'
res = requests.get(ur1, headers=headers).text
#print(res)
p_title = '<a onclick="moreurl(this, {from:'mv_tops'})" href="(.*?)">'
p_photo = '<img src="(.*?)" class="m_sub_img"/>'
title = re.findall(p_title, res)
photo = re.findall(p_photo, res)
source = []
for i in range(len(title)):
    source.append('豆瓣250')
    print(source[i] + title[i] + photo[i])

问题点：第七行代码错误
分析思路： 混合使用单引号和双引号来表示字符串引起了冲突.
请注意，在混合使用单引号和双引号时，确保引号的开头和结尾是匹配的，以避免语法错误。
代码修改为

# 使用单引号包含字符串，而在字符串内部使用双引号：
p_title = '<a onclick="moreurl(this, {from:"mv_tops"})" href="(.*?)">'

或者

# 在三重引号（单引号或双引号）内包含带有单引号和双引号的字符串：
p_title = """<a onclick="moreurl(this, {from:'mv_tops'})" href="(.*?)">"""

【以下回答由 GPT 生成】

问题原因分析：错误信息显示是正则表达式匹配错误，可能是因为页面的网站结构变化导致匹配规则不再有效。

解决方案： 1. 首先，我们可以使用requests库获取网页的内容。我们可以添加一个异常处理机制，以便在获取网页内容时出现错误时能够更好地处理。

import requests

try:
    res = requests.get(url, headers=headers)
    res.raise_for_status()  # 如果请求出错，会抛出异常
    text = res.text
except requests.RequestException as e:
    print("请求页面出错:", e)

1. 接下来，我们可以使用BeautifulSoup库来解析网页内容，并通过CSS选择器定位元素。BeautifulSoup可以更好地处理网页结构的变化。

from bs4 import BeautifulSoup

soup = BeautifulSoup(text, 'html.parser')
titles = soup.select('div.pl2 a')
photos = soup.select('div.pic a img')

source = '豆瓣250'
for title, photo in zip(titles, photos):
    print(source + title.get('title') + photo.get('src'))

上述代码中，使用select方法传入CSS选择器，可以选择出对应的元素列表。通过遍历titles和photos列表，我们可以获取到标题和图片的信息。

综上所述，我们可以采用上述的方法解决这个问题。如果有任何问题，请随时提出。

【相关推荐】

• 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/7800615
• 我还给你找了一篇非常好的博客，你可以看看是否有帮助，链接：Python爬虫 | 写在系列博客的第一篇，爬虫到底犯法吗？看完再开始爬虫！！！
• 同时，你还可以查看手册：python-互联网数据处理 中的内容
• 您还可以看一下 阿勒拉哈老师的Python机器学习实战视频教学！课程中的 图片可视化与分类问题描述小节, 巩固相关知识点
  
• 除此之外, 这篇博客: Python爬取微博热搜存入数据库并定时发送邮件，及时了解最新动态！中的 二、代码及思路 部分也许能够解决你的问题。