3

我正在尝试从 WARC 数据集 ( yahoo!webscope L2ValueError: Search for pattern exhausted ) 中获取一些纯文本，并在使用load()python3 模块中的函数时保持会议warcat。尝试了一些随机的 WARC 示例文件，一切正常。

该数据集确实要求提供进一步的提交许可（然后根据自述文件提供密码；WARC 文件是否带有密码？）但现在我没有能力发送传真。

我还检查了warcat源代码，发现ValueError当 file_obj.read(size) 为 False 时会引发 。好像没啥意思，所以来这里问。。。

编码：

>>> import warcat
>>> import warcat.model
>>> warc = warcat.model.WARC()
>>> warc.load('ydata-embedded-metadata-v1_0.warc')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/local/lib/python3.4/site-packages/warcat/model/warc.py", line 32, in load
    self.read_file_object(f)
  File "/usr/local/lib/python3.4/site-packages/warcat/model/warc.py", line 39, in read_file_object
    record, has_more = self.read_record(file_object)
  File "/usr/local/lib/python3.4/site-packages/warcat/model/warc.py", line 75, in read_record
    check_block_length=check_block_length)
  File "/usr/local/lib/python3.4/site-packages/warcat/model/record.py", line 59, in load
    inclusive=True)
  File "/usr/local/lib/python3.4/site-packages/warcat/util.py", line 66, in find_file_pattern
    raise ValueError('Search for pattern exhausted')
ValueError: Search for pattern exhausted

提前致谢。

4

0 回答 0