Question

我正在尝试阅读我在google docs上的URL列表。我想要做的是从谷歌doc电子表格中读取URL，然后刮取每个URL。

import gdata.docs.data
import gdata.docs.client
import gdata.docs.service
import gdata.spreadsheet.service
import re, os

username        = 'myemail.nuigalway@gmail.com'
password         = 'mypassword'
doc_name        = 'My document'

gd_client = gdata.spreadsheet.service.SpreadsheetsService()
gd_client.email = username 
gd_client.password = password  
gd_client.source = 'https://docs.google.com/spreadsheet/ccc? key=0AkGb10ekJtfQdG9EOHN0VzRDdVhWaG1kNVEtdVpyRlE#gid=0'
gd_client.ProgrammaticLogin()

q = gdata.spreadsheet.service.DocumentQuery()
q['title'] = doc_name
q['title-exact'] = 'true'
feed = gd_client.GetSpreadsheetsFeed(query=q)
spreadsheet_id = feed.entry[0].id.text.rsplit('/',1)[1]
feed = gd_client.GetWorksheetsFeed(spreadsheet_id)
worksheet_id = feed.entry[0].id.text.rsplit('/',1)[1]

rows = gd_client.GetListFeed(spreadsheet_id, worksheet_id).entry


for row in rows:
    for key in row.custom:
        urls = row.custom[key].text 
    newlist = urls
print 'this is a list',  newlist 

elec_urls = newlist.strip()

#After this each the Url in the list is scraped using scraperwiki

如果我在spredsheet中只有一个URL，这样可以正常工作，我没有，当我在文档中有多个URL时，程序只会抓取最后一个Url。

我认为使用循环可以解决这个问题，从newlist [0]循环到newlist [i]，但发现newlist [0]是= http到http：//（URL）最后输入的网址和新列表[1] = t等等。

任何帮助将不胜感激。

Answer 1

如你所说，newlist是最后一个网址，所以当你要求索引时，你会得到单独的字母。您需要在循环之前创建一个列表，然后将每个网址附加到它，而不是将urls设置为每个网址的文本：

urls = []
for row in rows:
    for key in row.custom:
        urls.append(row.custom[key].text)

现在urls是一个列表，其中每个元素都是一个URL。

从谷歌文档电子表格python中读取URL

1 个答案: