1

我正在使用 BeautifulSoup 使用 Python 2.7 抓取网站。这是我的代码：

# -*- coding: utf-8 -*-

from BeautifulSoup import BeautifulSoup
import urllib
import json

url = 'http://www.website.com'
file_pointer = urllib.urlopen(url)
html_object = BeautifulSoup(file_pointer)

type_select = html_object('select',{'id':'which'})

for option in type_select:
    value = option('option')
    for type_value in value:
        type =  type_value.contents[0]
        param_1 = type_value['value']
        print 'Type:', type

        url2 = 'http://www/website.com/' + param_1
        file_pointer2 = urllib.urlopen(url2)
        html_object2 = BeautifulSoup(file_pointer2)
        result = json.loads(str(html_object2))

        for json1 in result['DATA']:
            category = json1[0].title()
            param_2 = json1[0]
            print '   Category:', category

            url3 = 'http://www/website.com/' + param_2 + '&which=' + param_1
            file_pointer3 = urllib.urlopen(url3)
            html_object3 = BeautifulSoup(file_pointer3)
            result2 = json.loads(str(html_object3))

            for json2 in result2['DATA']:
                sub_category = json2[0]
                param_3 = sub_category.replace(' ','+').replace('&','%26')
                print '       sub_category:', sub_category

                for i in param_3:
                    if i == 'â':
                        print i
  ...

我需要替换'â'第四个 URL 请求的字符以继续我的抓取，但无论我尝试替换什么（u'\u2019'、â等），我都会得到一个UnicodeEncodeError.

我尝试转换param_3为字符串（因为它是 BeautifulSoup Navigable String 数据类型）并替换，但我得到了同样的错误，除了我的str(param_3)行。我终于尝试了这个for循环比较并得到警告：

UnicodeWarning: Unicode equal comparison failed to convert both arguments to Unicode - interpreting them as being unequal
if i == 'â':

我在这里不知所措。如何翻译此字符并将其替换为 中的其他字符param_3？

任何帮助表示赞赏！提前致谢！

4

1 回答 1

1

BeautifulSoup返回 Unicode 字符串，因此在对它们进行操作时使用 Unicode 字符串。也检查出来urllib.quote_plus。看起来它可以完成您想要的替换。在将.encodeUnicode 字符串与quote_plus.

于 2012-08-25T13:05:50.050 回答