我试图从网页中提取一些数据。我正在使用Beautiful Soup 4和regexes。
问题是它返回错误但我无法弄清楚错误的原因。
这是我的一段代码:
urls = soup.findall('a',href = re.compile(r'/katalog/stavebnictvi/'+'.'))
这是错误:
Traceback (most recent call last):
File "C:\Users\Milano\My Documents\LiClipse Workspace\Web_Crawlers\idatabaze_cz.py", line 14, in <module>
get_categories_urls()
File "C:\Users\Milano\My Documents\LiClipse Workspace\Web_Crawlers\idatabaze_cz.py", line 10, in get_categories_urls
urls = soup.findall('a',href = re.compile(r'/katalog/stavebnictvi/'+'.'))
TypeError: 'NoneType' object is not callable
至少有一个标签满足条件。
例如:<a href="/katalog/stavebnictvi/semily/">
我认为我的正则表达式存在问题。我想在每个标记中搜索href的格式:/katalog/stavebnictvi/(any text)
有什么建议吗?
答案 0 :(得分:2)
soup.findall
的问题,必须是soup.findAll
或soup.find_all
urls = soup.findAll('a',href = re.compile(r'/katalog/stavebnictvi/'+'.'))