python - 奇怪的 Pandas.read_html 错误

Question

我有一些代码用来抓取网页。该代码如下所示:

for pages in pagesToScrape:
     print('test')
     url = 'http://myurl.com' + str(pages)
     page = pandas.read_html(url, attrs={'class': 'tableToRead'}, header = 0)  # Scrape web page
     print('hi')  # This is never printed for some reason

如评论中所述，由于某种原因，pandas.read_html 行下面的任何代码都不会执行，但我也没有收到错误消息。这段代码在 2 个月前有效，所以我想知道 lxml、BeautifulSoup4 或它们的依赖项之一是否发生了变化，因为网页根本没有改变。我还验证了我使用的 URL 有效。对于其他测试，我也尝试过:

for pages in pagesToScrape:
         print('test')
         url = 'http://myurl.com' + str(pages)
         page = pandas.read_html(url, attrs={'class': 'tableToRead'}, header = 0)  # Scrape web page
         print(page)  # Doesn't print anything
         fasidfoaisdf()  # This non-existent function does not throw an error ever either...

有人知道为什么会发生这种情况吗？我觉得至少我可以让不存在的函数抛出错误，但程序编译得很好，甚至每次都运行 for 循环打印测试。

Python v3.5.3

BeautifulSoup4 v4.6.0

bs4 v0.0.1

lxml v3.7.3

编辑:我还尝试从 read_html 函数调用中删除“header = 0”，但这没有任何改变。

Answer 1

如果其他人也遇到这个问题，那么当我将代码更改为:

for pages in pagesToScrape:
     print('test')
     url = 'http://myurl.com' + str(pages)
     try:     
         page = pandas.read_html(url, attrs={'class': 'tableToRead'}, header = 0)  # Scrape web page
     except Exception as e:
         print(e)
     print('hi')  # This is never printed for some reason

我收到了正确的错误消息，在我的例子中是 html5lib 未安装。谢谢 MaxU!