我正在尝试使用beautifulsoup从Craigslist获取数据PID和价格。我写了一个单独的代码,它给我文件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网站,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,我收到以下错误:
追踪(最近一次呼叫最后一次):
文件“reading.py”,第16行,in html = urlopen(str(sitenow))
文件“/usr/lib/python2.7/urllib2.py”,第126行,在urlopen中 return _opener.open(url,data,timeout)
文件“/usr/lib/python2.7/urllib2.py”,第400行,处于打开状态 response = self._open(req,data)
文件“/usr/lib/python2.7/urllib2.py”,第418行,在_open中 '_open',req)
文件“/usr/lib/python2.7/urllib2.py”,第378行,在_call_chain中 result = func(* args)
文件“/usr/lib/python2.7/urllib2.py”,第1207行,在http_open中 return self.do_open(httplib.HTTPConnection,req)
文件“/usr/lib/python2.7/urllib2.py”,第1177行,在do_open中 提出URLError(错误)
urllib2.URLError:
关于我做错了什么的任何想法?
答案 0 :(得分:0)
我不知道sitenow
的内容是什么,但看起来它是无效的网址。请注意,URL使用斜杠而不是反斜杠(因此该语句应与sitenow = site + "/" + product + "/" + str(u)
类似)