0

我正在尝试使用 beautifulsoup 从 Craigslist 获取数据 PID 和价格。我编写了一个单独的代码,它给了我文件 CLallsites.txt。在这段代码中,我试图从 txt 文件中获取每个站点,并获取前 10 页中所有条目的 PID。我的代码是:

  from bs4 import BeautifulSoup       
  from urllib2 import urlopen 
  readfile = open("CLallsites.txt")
  product = "mcy"
  while 1:
    u = ""
    count = 0
    line = readfile.readline()
    commaposition = line.find(',')
    site = line[0:commaposition]
    location = line[commaposition+1:]
    site_filename = location + '.txt'
    f = open(site_filename, "a")
    while (count < 10):
       sitenow = site + "\\" + product + "\\" + str(u)
       html = urlopen(str(sitenow))                      
       soup = BeautifulSoup(html)                
       postings = soup('p',{"class":"row"})
       for post in postings:
            y = post['data-pid']
            print y
       count = count +1
       index = count*100
       u = "index" + str(index) + ".html"
    if not line:
        break
    pass             

我的 CLallsites.txt 看起来像这样:

craiglist 站点,位置(Stackoverflow 不允许使用 cragslist 链接发布,因此我无法显示文本,如果有帮助,我可以尝试附加文本文件。)

当我运行代码时,出现以下错误:

回溯(最近一次通话最后):

文件“reading.py”,第 16 行,在 html = urlopen(str(sitenow))

文件“/usr/lib/python2.7/urllib2.py”,第 126 行,在 urlopen 返回 _opener.open(url, data, timeout)

文件“/usr/lib/python2.7/urllib2.py”,第 400 行,打开响应 = self._open(req, data)

文件“/usr/lib/python2.7/urllib2.py”,第 418 行,在 _open '_open',req)

_call_chain 结果 = func(*args) 中的文件“/usr/lib/python2.7/urllib2.py”,第 378 行

文件“/usr/lib/python2.7/urllib2.py”,第 1207 行,在 http_open 返回 self.do_open(httplib.HTTPConnection, req)

文件“/usr/lib/python2.7/urllib2.py”,第 1177 行,在 do_open 中引发 URLError(err)

urllib2.URL错误:

关于我做错了什么的任何想法?

4

1 回答 1

0

我不知道 的内容是什么sitenow,但看起来它是一个无效的 URL。请注意,URL 使用斜杠而不是反斜杠(因此该语句应该类似于sitenow = site + "/" + product + "/" + str(u)

于 2013-03-27T00:04:56.273 回答