为什么要进行字符串比较==&引用;不';不行?Python 3.6
我正在尝试编写一个函数,该函数获取零件号,然后从此网站检索其产品网页链接: 我正在使用bs4模块解析网页。 进行零件号搜索时,url遵循此结构: “+part_number+”&artnr search=find+now#searchresults” 此行收集“td”标签中的所有零件号为什么要进行字符串比较==&引用;不';不行?Python 3.6,python,html,bs4,Python,Html,Bs4,我正在尝试编写一个函数,该函数获取零件号,然后从此网站检索其产品网页链接: 我正在使用bs4模块解析网页。 进行零件号搜索时,url遵循此结构: “+part_number+”&artnr search=find+now#searchresults” 此行收集“td”标签中的所有零件号 all_artnr = soup.find_all('td', attrs={'class': 'artnr'}) 搜索零件号时有三种情况: (1) 。零件号不存在 (2) 。零件号存在且不是其他零件号的子字符
all_artnr = soup.find_all('td', attrs={'class': 'artnr'})
搜索零件号时有三种情况:
(1) 。零件号不存在
(2) 。零件号存在且不是其他零件号的子字符串
(3) 。零件号存在,它是其他零件号的子字符串
场景(1)和(2)很容易处理。在场景3中,网站返回包含输入零件号作为子字符串的零件号的所有产品网页
我正在考虑将td标签的文本与输入的零件号进行比较。当它们匹配时,产品网页包含在该td标签中
下面是我的代码及其输出。
最后两个输出显示匹配,但比较返回false。
请帮助我了解这里发生了什么。多谢各位
import bs4
import requests
def get_pwp(pn):
home_page = "http://www.assmann-wsw.com/"
#url_p1_de = "http://www.assmann-wsw.com/wo/en/artikelfinder/?artnr="
url_p1_us = "http://www.assmann-wsw.com/us/en/artikelfinder/?artnr="
url_p2 = "&artnr-search=find+now#searchresults"
search_url = url_p1_us + str(pn) + url_p2
src = requests.get(search_url).content
soup = bs4.BeautifulSoup(src, 'lxml')
# product webpage
pwp = ''
all_artnr = soup.find_all('td', attrs={'class': 'artnr'})
# Part number doesn't exist
if len(all_artnr) == 0:
pwp = '#NA'
# Part number exists and it is not a substring of other part numbers.
elif len(all_artnr) == 2 or len(all_artnr) == 1:
pwp = home_page + all_artnr[0].find('a')['href']
# Part number exists and it is a substring of other part numbers.
else:
for artnr in all_artnr:
print(str(artnr.text), pn)
print(str(artnr.text) == pn)
if str(artnr.text) == str(pn):
pwp = home_page + artnrfind('a')['href']
break
return pwp
pwp = get_pwp("A-MCSP-80300")
print(pwp)
Output:
A‑MCSP‑80300‑R A-MCSP-80300
False
A‑MCSP‑80300‑R A-MCSP-80300
False
A‑MCSP‑80300/B A-MCSP-80300
False
A‑MCSP‑80300/B A-MCSP-80300
False
A‑MCSP‑80300/G A-MCSP-80300
False
A‑MCSP‑80300/G A-MCSP-80300
False
A‑MCSP‑80300/R A-MCSP-80300
False
A‑MCSP‑80300/R A-MCSP-80300
False
A‑MCSP‑80300/Y A-MCSP-80300
False
A‑MCSP‑80300/Y A-MCSP-80300
False
A‑MCSP‑80300 A-MCSP-80300
False
A‑MCSP‑80300 A-MCSP-80300
False
Process finished with exit code 0
这是因为字符串不一样,它们只是在打印时看起来是一样的 第一个包含“不间断连字符”,表示为unicode字符
'\u2011'
。第二个值包含ASCII短字符(“连字符-减号”)字符,'\u002D'
>>> import unicodedata
>>> s1 = 'A‑MCSP‑80300'
>>> s2 = 'A-MCSP-80300'
>>> s1 == s2
False
>>> s1.encode('utf8')
b'A\xe2\x80\x91MCSP\xe2\x80\x9180300'
>>> s2.encode('utf8')
b'A-MCSP-80300'
>>> unicodedata.name(s1[1])
'NON-BREAKING HYPHEN'
>>> unicodedata.name(s2[1])
'HYPHEN-MINUS'
在比较之前,可以将一个替换为另一个:
>>> s1.replace('\u2011', '-') == s2.replace('\u2011', '-')
True
这是因为字符串不一样,它们只是在打印时看起来是一样的 第一个包含“不间断连字符”,表示为unicode字符
'\u2011'
。第二个值包含ASCII短字符(“连字符-减号”)字符,'\u002D'
>>> import unicodedata
>>> s1 = 'A‑MCSP‑80300'
>>> s2 = 'A-MCSP-80300'
>>> s1 == s2
False
>>> s1.encode('utf8')
b'A\xe2\x80\x91MCSP\xe2\x80\x9180300'
>>> s2.encode('utf8')
b'A-MCSP-80300'
>>> unicodedata.name(s1[1])
'NON-BREAKING HYPHEN'
>>> unicodedata.name(s2[1])
'HYPHEN-MINUS'
在比较之前,可以将一个替换为另一个:
>>> s1.replace('\u2011', '-') == s2.replace('\u2011', '-')
True
谢谢你,谢谢你。