0

我在 C:\webpage.htm 位置保存了一个网页。我想加载它并使用 BeautifulSoup 分析它，但是 urllib 不会打开它。

from BeautifulSoup import BeautifulSoup
import urllib2

url="C:\webpage.htm"

page=urllib2.urlopen(url)

这会引发错误：

Traceback (most recent call last):
    page=urllib2.urlopen(url)
  File "C:\Python27\lib\urllib2.py", line 126, in urlopen
    return _opener.open(url, data, timeout)
  File "C:\Python27\lib\urllib2.py", line 400, in open
    response = self._open(req, data)
  File "C:\Python27\lib\urllib2.py", line 423, in _open
    'unknown_open', req)
  File "C:\Python27\lib\urllib2.py", line 378, in _call_chain
    result = func(*args)
  File "C:\Python27\lib\urllib2.py", line 1240, in unknown_open
    raise URLError('unknown url type: %s' % type)
urllib2.URLError: <urlopen error unknown url type: c>

我该如何解决这个问题，或者是否有另一种方法可以将文档加载到漂亮的汤中（我曾尝试将其保存为文本文档，但抛出了错误：

'str' object has no attribute 'findall'
4

2 回答 2

3

看来您必须指定协议。在这种情况下，您可能想要做的是：

from BeautifulSoup import BeautifulSoup
import urllib2
url="file:///C:/webpage.html"
page=urllib2.urlopen(url)
于 2012-11-13T15:54:29.867 回答
3

由于您从本地机器加载文件，因此不需要使用 urllib2。相反，您可以使用 Python 的标准文件 I/O 函数：open()、read() 和 close()

from BeautifulSoup import BeautifulSoup
url="C:\webpage.htm"
f = open(url)
# read entire file as a string
page=f.read()
soup=BeautifulSoup(page)
# etc...
f.close()
于 2012-11-13T16:01:34.523 回答