Question

我正在python上学习udacity课程，我们应该检查文档中的亵渎词。我正在使用网站http://www.wdylike.appspot.com/?q=（text_to_be_checked_for_profanity）。要检查的文本可以作为上述URL中的查询字符串传递，并且在检查亵渎词后网站将返回true或false。以下是我的代码。

import urllib.request

# Read the content from a document
def read_content():

    quotes = open("movie_quotes.txt")
    content = quotes.read()
    quotes.close()
    check_profanity(content)



def check_profanity(text_to_read):
    connection = urllib.request.urlopen("http://www.wdylike.appspot.com/?q="+text_to_read)
    result = connection.read()
    print(result)
    connection.close

read_content()

它给我以下错误

Traceback（最近一次调用最后一次）：文件＆＃34; /Users/Vrushita/Desktop/Rishit/profanity_check.py" ;,第21行，在 read_content（）File＆＃34; /Users/Vrushita/Desktop/Rishit/profanity_check.py" ;,第11行，in read_content check_profanity（content）File＆＃34; /Users/Vrushita/Desktop/Rishit/profanity_check.py" ;,第16行，in check_profanity connection = urllib.request.urlopen（＆＃34; http://www.wdylike.appspot.com/?q=＆＃34; + text_to_read）文件＆＃34; /Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/urllib/request.py" ;, 第163行，在urlopen中 return opener.open（url，data，timeout）File＆＃34; /Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/urllib/request.py"，第472行，公开 response = meth（req，response）File＆＃34; /Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/urllib/request.py"，第582行，在http_response中＆＃39; http＆＃39;，请求，响应，代码，消息，hdrs）文件＆＃34; /Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/urllib/request.py" ;，第510行，错误 return self._call_chain（* args）File＆＃34; /Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/urllib/request.py"，第444行，在_call_chain中 result = func（* args）File＆＃34; /Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/urllib/request.py"，第590行，在http_error_default中引发HTTPError（req.full_url，code，msg，hdrs，fp）urllib.error.HTTPError：HTTP错误400：错误请求

我尝试阅读内容的文档包含一个字符串＆＃34; Hello world ＆＃34;但是，如果我将字符串更改为＆＃34; Hello + world ＆＃34;，则相同的代码将起作用并返回所需的结果。有人可以解释为什么会发生这种情况以及解决方法是什么？

Answer 1

urllib接受它，服务器不接受。好吧它不应该，因为空格不是valid URL character。

使用urllib.parse.quote_plus()正确转义查询字符串;它不确定你的字符串是valid for use in query parameters。或者更好的是，使用urllib.parse.urlencode() function对所有键值对进行编码：

from urllib.quote import urlencode

params = urlencode({'q': text_to_read})
connection = urllib.request.urlopen("http://www.wdylike.appspot.com/?" + params)

Answer 2

以下回复是针对python 3的。* 当输入文本中有空格时，会发生400错误请求。为了避免这种使用解析。所以导入它。

from urllib import request, parse

如果您要发送任何文本和网址，则解析文本。

url = "http://www.wdylike.appspot.com/?q="
url = url + parse.quote(input_to_check)

检查此处的说明 - https://discussions.udacity.com/t/problem-in-profanity-with-python-3-solved/227328

Udacity亵渎性检查程序 -

from urllib import request, parse

def read_file():
    fhand = open(r"E:\Python_Programming\Udacity\movie_quotes.txt")
    file_content = fhand.read()
    #print (file_content)
    fhand.close()
    profanity_check(file_content)

def profanity_check(input_to_check):
    url = "http://www.wdylike.appspot.com/?q="
    url = url + parse.quote(input_to_check)
    req = request.urlopen(url)
    answer = req.read()
    #print(answer)
    req.close()

    if b"true" in answer:
        print ("Profanity Alret!!!")
    else:
        print ("Nothing to worry")


read_file()

Answer 3

我认为这段代码更接近Lesson的目标，推断出类中的本机函数，类和函数之间的区别：

from urllib import request, parse

def read_text():
    quotes = open('C:/Users/Alejandro/Desktop/movie_quotes.txt', 'r+')
    contents_of_file = quotes.read()
    print(contents_of_file)
    check_profanity(contents_of_file)
    quotes.close()

def check_profanity(text_to_check):
    connection = request.urlopen('http://www.wdylike.appspot.com/?q=' + parse.quote(text_to_check))
    output = connection.read()
    # print(output)
    connection.close()

    if b"true" in output:
        print("Profanity Alert!!!")
    elif b"false" in output:
        print("This document has no curse words!")
    else:
        print("Could not scan the document properly")

read_text()

Answer 4

我也最喜欢使用Python 3在同一个项目上。

在Python 3中寻找解决方案时，我发现了this HowTo，因此决定尝试一下。

在包括Google在内的某些网站上，似乎无法通过编程代码（例如，通过urllib模块）进行连接。显然，这与用户代理有关，在建立连接时网站会收到用户代理。

我做了一些进一步的研究，并提出了以下解决方案：

首先，我从URLopener导入了urllib.request，并创建了一个名为ForceOpen的类作为URLopener的子类。

现在，我可以通过在version类中设置变量ForceOpen来创建“常规”用户代理。然后，仅创建它的一个实例，并使用open方法代替urlopen打开URL。

（效果很好，但我仍然感谢您的评论，建议或任何反馈，也因为我不确定，如果这种方法是一种很好的选择，非常感谢）

from urllib.request import URLopener


class ForceOpen(URLopener):  # create a subclass of URLopener
    version = "Mozilla/5.0 (cmp; Konqueror ...)(Kubuntu)"

force_open = ForceOpen()  # create an instance of it


def read_text():
    quotes = open(
        "/.../profanity_editor/data/quotes.txt"
    )
    contents_of_file = quotes.read()
    print(contents_of_file)
    quotes.close()
    check_profanity(contents_of_file)


def check_profanity(text_to_check):
    # now use the open method to open the URL
    connection = force_open.open(
        "http://www.wdylike.appspot.com/?q=" + text_to_check
    )
    output = connection.read()
    connection.close()

    if b"true" in output:
        print("Attention! Curse word(s) have been detected.")

    elif b"false" in output:
        print("No curse word(s) found.")

    else:
        print("Error! Unable to scan document.")


read_text()

urlib.request.urlopen不接受带空格

4 个答案: