Python 美丽集团</部门>;刮削突然停止工作
我正试图从美国宇航局的网站上搜刮一些Python 美丽集团</部门>;刮削突然停止工作,python,html,python-2.7,web-scraping,beautifulsoup,Python,Html,Python 2.7,Web Scraping,Beautifulsoup,我正试图从美国宇航局的网站上搜刮一些divs,并将所有内容列在一个列表中此代码早些时候起作用,但突然决定不起作用。除了添加一些print语句外,我没有故意更改任何内容,所有这些语句都不返回任何内容或[]没有任何错误 import re import urllib2 from BeautifulSoup import BeautifulSoup as soup import ssl url = "https://climate.nasa.gov" context = ssl._create_
div
s,并将所有内容列在一个列表中此代码早些时候起作用,但突然决定不起作用。除了添加一些print语句外,我没有故意更改任何内容,所有这些语句都不返回任何内容或[]
没有任何错误
import re
import urllib2
from BeautifulSoup import BeautifulSoup as soup
import ssl
url = "https://climate.nasa.gov"
context = ssl._create_unverified_context()
gcontext = ssl.SSLContext(ssl.PROTOCOL_TLSv1)
web_soup = soup(urllib2.urlopen(url, context=context))
l = []
# get main-content div
main_div = web_soup.findAll(name="div", attrs={'class': 'change_number'})
print main_div
for element in main_div:
print element
l.append(float(str(element)[27:-7]))
print l
如果您能帮我找出这个突然的错误,我们将不胜感激
更新1:刚在解释器中尝试过,同样失败main\u div
似乎正在返回[]
UPDATE2:只需检查网站以确保divchange\u编号
存在。是的
更新3:现在我真的很困惑。我有这个代码,我很确定它与上面的代码基本相同:
import re
import urllib2
from BeautifulSoup import BeautifulSoup as soup
import ssl
url = "https://climate.nasa.gov"
context = ssl._create_unverified_context()
gcontext = ssl.SSLContext(ssl.PROTOCOL_TLSv1)
web_soup = soup(urllib2.urlopen(url, context=context))
l = []
# get main-content div
main_div = web_soup.findAll(name="div", attrs={'class': 'change_number'})
for element in main_div:
print element
l.append(float(str(element)[27:-7]))
print l
但它在websoup定义行上抛出了一个unicodeincoder错误:
Traceback (most recent call last):
File "climate_nasa_change.py", line 10, in <module>
web_soup = soup(urllib2.urlopen(url, context=context))
File "C:\Python27\lib\site-packages\BeautifulSoup.py", line 1522, in __init__
BeautifulStoneSoup.__init__(self, *args, **kwargs)
File "C:\Python27\lib\site-packages\BeautifulSoup.py", line 1147, in __init__
self._feed(isHTML=isHTML)
File "C:\Python27\lib\site-packages\BeautifulSoup.py", line 1189, in _feed
SGMLParser.feed(self, markup)
File "C:\Python27\lib\sgmllib.py", line 104, in feed
self.goahead(0)
File "C:\Python27\lib\sgmllib.py", line 143, in goahead
k = self.parse_endtag(i)
File "C:\Python27\lib\sgmllib.py", line 320, in parse_endtag
self.finish_endtag(tag)
File "C:\Python27\lib\sgmllib.py", line 358, in finish_endtag
method = getattr(self, 'end_' + tag)
UnicodeEncodeError: 'ascii' codec can't encode characters in position 11-12: ordinal not in range(128)
回溯(最近一次呼叫最后一次):
文件“climate_nasa_change.py”,第10行,在
web_soup=soup(urllib2.urlopen(url,context=context))
文件“C:\Python27\lib\site packages\BeautifulSoup.py”,第1522行,在\uuu init中__
美化ToneSoop.uuu初始_uuuu(self,*args,**kwargs)
文件“C:\Python27\lib\site packages\BeautifulSoup.py”,第1147行,在\uuu init中__
自馈(isHTML=isHTML)
文件“C:\Python27\lib\site packages\BeautifulSoup.py”,第1189行,在\u提要中
SGMLParser.feed(self,markup)
文件“C:\Python27\lib\sgmllib.py”,第104行,在提要中
自我激励(0)
goahead中第143行的文件“C:\Python27\lib\sgmllib.py”
k=self.parse_endtag(i)
parse_endtag中第320行的文件“C:\Python27\lib\sgmllib.py”
self.finish_endtag(标记)
文件“C:\Python27\lib\sgmllib.py”,第358行,在finish_endtag中
方法=getattr(自“结束”+标记)
UnicodeEncodeError:“ascii”编解码器无法对位置11-12中的字符进行编码:序号不在范围内(128)
更新4:aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa。我真的不知道现在到底发生了什么
更新5:现在它坏了。我发誓我不会改变。认真考虑清除我的电脑。请帮忙
更新6:刚刚尝试ping climate.nasa.gov。尽管页面一直在我的浏览器中加载,但它并不总是通过。这可能会导致BeautifulSoup失败吗?问题是站点有时返回gzip编码的响应,有时返回纯文本。
如果使用请求
,您可以轻松解决此问题,因为它会自动解码内容:
web_soup = soup(requests.get(url, verify=False).text)
请注意,请求
不是标准库,您必须安装它。
如果您坚持使用urlib2
,您可以使用zlib
对响应进行解码,如果响应已编码:
decode = lambda response : zlib.decompress(response, 16 + zlib.MAX_WBITS)
response = urllib2.urlopen(url, context=context)
headers = response.info()
html = decode(response.read()) if headers.get('content-encoding') == 'gzip' else response
web_soup = soup(html)
我收到未定义的错误请求
。请求是单独的模块还是在BeautifulSoup中?