Question

我正在使用漂亮的汤来报废数据。我有一个网址列表，我想循环我的代码，所以我需要在urllib2.Request命令中包含一个变量。当我向urllib2.Request添加变量时，我收到此错误（urllib2.py的第1240行）：

raise URLError('unknown url type: %s' % type)

这是我的代码：

from bs4 import BeautifulSoup
import urllib2

webstring = "/DIRECTORY/"+"'"  
webfull = "urllib2.Request('http://www.caao.org"+webstring+", None, headers)"

print webfull

#webfull prints: urllib2.Request('http://www.caao.org/DIRECTORY/', None, headers)

headers = { 'User-Agent' : 'Mozilla/5.0' }
html = urllib2.urlopen(webfull).read()
soup = BeautifulSoup(html)

print soup

变量webfull打印出正确的代码。我可以剪切并粘贴到urlopen中它会起作用。就像这样：

from bs4 import BeautifulSoup
import urllib2

headers = { 'User-Agent' : 'Mozilla/5.0' }
html = urllib2.urlopen(urllib2.Request('http://www.caao.org/DIRECTORY/', None, headers)).read()
soup = BeautifulSoup(html)

print soup

我尝试使用多个网站作为测试，我尝试在某些字符串上使用三重双引号（如下所示），但我总是得到相同的unknown url type错误。

webstring = "/DIRECTORY/"+"'"
web1 = """'http://www.caao.org"""+webstring+", None, headers)"

作为旁注：

我是python的新手，我试图从同一网站的多个页面中抓取数据。上面的代码是让我运行我的URL列表，在每个页面上运行我漂亮的汤代码。如果有一种更简单的方法来遍历URL列表并使用urllib2.urlopen打开每个页面以便我可以运行我的抓取代码，请告诉我。

Answer 1

动态构建您的URL，然后将其传递给函数。不要传递你想要调用的函数的字符串表示 - 这是行不通的。

from bs4 import BeautifulSoup
import urllib2

headers = { 'User-Agent' : 'Mozilla/5.0' }

webstring = "/DIRECTORY/"
url = "http://www.caao.org"+webstring

html = urllib2.urlopen(urllib2.Request(url, None, headers)).read()
soup = BeautifulSoup(html)

print soup

Answer 2

您遇到的问题是，您是在尝试将字符串解释为一段代码。

urllib期望的是当你传入一个字符串时它将是一个字符串。你应该做的是：

from bs4 import BeautifulSoup
import urllib2

webstring = "/DIRECTORY/" 
url = "http://www.caao.org"+webstring

headers = { 'User-Agent' : 'Mozilla/5.0' }
html = urllib2.urlopen(urllib2.Request(url, None, headers)).read()
soup = BeautifulSoup(html)

print soup

字符串只是您想要的网址，然后将其传递到urllib2.Request

调用变量时python urllib2失败

2 个答案: