Использование Python и BeautifulSoup (сохраненные исходные коды веб-страниц в локальном файле)

Я использую Python 2.7 + BeautifulSoup 4.3.2.

Я пытаюсь использовать Python и BeautifulSoup для получения информации на веб-странице. Поскольку веб-страница находится на веб-сайте компании, требуется логин и перенаправление, поэтому я копирую исходные коды целевой страницы в файл и сохраняю ее как "example.html" в C:\для удобства практики.

Это часть исходных кодов:

<tr class="ghj">
    <td><span class="city-sh"><sh src="./citys/1.jpg" alt="boy" title="boy" /></span><a href="./membercity.php?mode=view&amp;u=12563">port_new_cape</a></td>
    <td class="position"><a href="./search.php?id=12563&amp;sr=positions" title="Search positions">452</a></td>
    <td class="details"><div>South</div></td>
    <td>May 09, 1997</td>
    <td>Jan 23, 2009 12:05 pm&nbsp;</td>
</tr>

Коды, которые я разработал, это:

from bs4 import BeautifulSoup
import re
import urllib2

url = "C:\example.html"
page = urllib2.urlopen(url)
soup = BeautifulSoup(page.read())

cities = soup.find_all('span', {'class' : 'city-sh'})

for city in cities:
print city

Это только первый этап тестирования, который несколько не завершен.

Однако, когда я запускаю его, он дает сообщение об ошибке, кажется неправильным использовать "urllib2.urlopen" для открытия локального файла.

 Traceback (most recent call last):
   File "C:\Python27\Testing.py", line 8, in <module>
     page = urllib2.urlopen(url)
   File "C:\Python27\lib\urllib2.py", line 127, in urlopen
     return _opener.open(url, data, timeout)
   File "C:\Python27\lib\urllib2.py", line 404, in open
     response = self._open(req, data)
   File "C:\Python27\lib\urllib2.py", line 427, in _open
     'unknown_open', req)
   File "C:\Python27\lib\urllib2.py", line 382, in _call_chain
     result = func(*args)
   File "C:\Python27\lib\urllib2.py", line 1247, in unknown_open
     raise URLError('unknown url type: %s' % type)
 URLError: <urlopen error unknown url type: c>

Как я могу практиковать с помощью локального файла?

Ответ 1

С помощью Чандана проблема была решена. Все кредиты должны идти к нему. :)

"urllib2.url" здесь бесполезен.

from bs4 import BeautifulSoup
import re
# import urllib2

url = "C:\example.html"
page = open(url)
soup = BeautifulSoup(page.read())

cities = soup.find_all('span', {'class' : 'city-sh'})

for city in cities:
    print city

Ответ 2

Лучший способ открыть локальный файл с помощью BeautifulSoup - это передать ему обработчик открытого файла. http://www.crummy.com/software/BeautifulSoup/bs4/doc/#making-the-soup

from bs4 import BeautifulSoup

soup = BeautifulSoup(open("C:\\example.html"), "html.parser")

for city in soup.find_all('span', {'class' : 'city-sh'}):
    print(city)

Ответ 3

Вы также можете попробовать использовать lxml-парсер. Ниже приведен пример ваших html-данных.

from lxml.html import fromstring
import lxml.html as PARSER

data = open('example.html').read()
root = PARSER.fromstring(data)

for ele in root.getiterator():
    if ele.tag == "td":
        print ele.text_content()

о/р: port_new_cape 452 юг 09 мая 1997 г. 23 января 2009 г. 12:05

Ответ 4

Документ конвертируется в Unicode.... Как я могу перевести на обычный?