Question

def crawl(url):
    html = getHTML(url) # getHTML() retruns HTTPResponse
    print(html.read()) # PRINT STATMENT 1
    if (html == None):
        print("Error getting HTML")
    else:
        # parse html
        bsObj = BeautifulSoup(html, "lxml")
        # print data
        try:
            print(bsObj.h1.get_text())
        except AttributeError as e:
            print(e)

        print(html.read()) # PRINT STAETMENT 2

我不明白的是..

打印报表1 打印整个html，而打印报表2 仅打印b''

这里发生了什么？ ..我是Python的新手。

Answer 1

html是一个HTTPResponse对象。 HTTPResponse支持类似文件的操作，例如read()。

就像读取文件一样，read()会消耗可用数据并将文件指针移动到文件/数据的 end 。随后的read()没有任何回报。

您有两种选择：

使用seek()方法读取后，将文件指针重置为开头：

print(html.read())
html.seek(0) # moves the file pointer to byte 0 relative to the start of the file/data

改为保存结果：

html_body = html.read()
print(html_body)

通常情况下，您会使用第二个选项，因为它会更容易重复使用html_body

打印相同的HTTPResponse对象返回不同的输出 - Python

1 个答案: