基于python 爬虫爬到含空格的url的处理方法
更新时间：2018年05月11日 09:27:23 作者：孔天逸
今天小编就为大家分享一篇基于python 爬虫爬到含空格的url的处理方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
道友问我的一个问题，之前确实没遇见过，在此记录一下。
问题描述
在某网站主页提取url进行迭代，爬虫请求主页时没有问题，返回正常，但是在访问在主页提取到的url时出现了400状态码(400 Bad Request)。
结论
先贴出结论来，如果url里有空格的话，要把空格替换成%20，也就是url编码，否则就会出现400。
解决过程
首先百度了一下400状态码什么意思：
400页面是当用户在打开网页时，返回给用户界面带有400提示符的页面。其含义是你访问的页面域名不存在或者请求错误。
主要有两种形式：
1、bad request意思是“错误的请求”；
2、invalid hostname意思是”不存在的域名”。
所以说问题应该是出在了url上，我怀疑是他的url提取逻辑有问题，于是让他把url打印一下看看，他说看不出什么问题。
然后我就把他代码要了过来，自己调调试试，发现前几个子url是访问正常的，但是其中一个出现了400，那个url如下：
http://www.qichacha.com/company_getinfos?unique=4d5ad1bc15ddc4ad9873e5b0ff4f93d3&companyname=意大利C.D.VIDEO S.P.A.深圳代表处&tab=base
下面是一个访问正常的url：
http://www.qichacha.com/company_getinfos?unique=f6aa78d2e9f4b0bc98103785f96c1353&companyname=深圳市联得自动化装备股份有限公司&tab=base
我首先把这个url复制到浏览器，发现可以正常访问，然后就留神了一下浏览器上url的变化，发现空格变成了%20，在代码里把url中的空格都替换成%20后，
程序访问也正常了。
问题解决。
启示
以后做爬虫，对于不可预测的不规律的请求，在发请求之前先把url进行url编码，以免出现这种错误。
这篇基于python 爬虫爬到含空格的url的处理方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
在本篇文章里小编给大家整理的是关于Python列表倒序输出及其效率详解内容，需要的朋友们学习下。2020-03-03
这篇文章主要介绍了django框架cookie和session用法,结合实例形式详细分析了Django框架cookie和session的功能、原理、使用方法及相关操作注意事项,需要的朋友可以参考下2019-12-12
Python使用conda如何安装requirement.txt的扩展包
这篇文章主要介绍了Python使用conda如何安装requirement.txt的扩展包问题，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2023-02-02
这篇文章主要介绍了使用tensorflow 实现反向传播求导，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2021-05-05
这篇文章主要介绍了Pandas.DataFrame转置的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2021-03-03
这篇文章主要介绍了Python中json格式数据的编码与解码方法,详细分析了Python针对json格式数据的编码转换操作技巧,具有一定参考借鉴价值,需要的朋友可以参考下2016-07-07
在本篇文章里小编给大家整理的是关于Python从列表推导到zip()函数的5种技巧的相关知识点和代码，需要的朋友们参考学习下。2019-10-10
这篇文章主要介绍了TensorFlow 滑动平均的示例代码,小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2018-06-06
这篇文章主要介绍了python调用chrome实现网页自动操作,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧2023-11-11
独立进程使用django模型及django.setup()使用
这篇文章主要介绍了独立进程使用django模型（django.setup()使用）,它提供了一种简单且高效的方式来利用Django强大的功能，并使你的代码更易于维护和扩展,需要的朋友可以参考下2023-07-07
最新评论