Question

我正在尝试使用BeautifulSoup导入我博客的内容，使用下面给出的语法

 import urllib2
        from BeautifulSoup import BeautifulSoup
        response=urllib2.urlopen('http://www.bugsandbrains.blogspot.com')
        html=response.read()
        soup=BeautifulSoup(html)

在开始投掷HtmlParseError之后，每件事情都运转了两到三次我发现页面结构几乎不可能在几分钟内发生变化，导致这个问题的其他原因是什么？

我也附上了这条痕迹。

 Traceback (most recent call last):
  File "<console>", line 1, in <module>
  File "/usr/lib/pymodules/python2.6/BeautifulSoup.py", line 1499, in __init__
    BeautifulStoneSoup.__init__(self, *args, **kwargs)
  File "/usr/lib/pymodules/python2.6/BeautifulSoup.py", line 1230, in __init__
    self._feed(isHTML=isHTML)
  File "/usr/lib/pymodules/python2.6/BeautifulSoup.py", line 1263, in _feed
    self.builder.feed(markup)
  File "/usr/lib/python2.6/HTMLParser.py", line 108, in feed
    self.goahead(0)
  File "/usr/lib/python2.6/HTMLParser.py", line 150, in goahead
    k = self.parse_endtag(i)
  File "/usr/lib/python2.6/HTMLParser.py", line 317, in parse_endtag
    self.error("bad end tag: %r" % (rawdata[i:j],))
  File "/usr/lib/python2.6/HTMLParser.py", line 115, in error
    raise HTMLParseError(message, self.getpos())
HTMLParseError: bad end tag: u"</scr' + 'ipt>", at line 1152, column 16

Answer 1

我刚刚在Windows上尝试使用以下代码：

Python: 2.6（与您的相同）
BeautiSoup: 3.0.8.1（最新）

我无法重现这一点。您使用的是用于3.0 series的最新代码Python 2.6，而不是3.1 series [0] 的Python 3。对不起，但现在想不出任何其他线索。

[0] http://www.crummy.com/software/BeautifulSoup/#Download

Answer 2

我已经尝试过您的代码，但它确实有用。我的环境：ActivePython 2.6.6.15，BeautifulSoup 3.0.8.1。我打印出soup变量，其中包含“Boredom Induced Post”的内容。当我使用浏览器测试http://www.bugsandbrains.blogspot.com时，他们会显示Wave Sandbox登录页面。不知道出了什么问题：（

BeautifulSoup无法正常工作

2 个答案: