Question

一些背景

我正在为朋友的业务制作一个小程序。在他的业务中，他手动浏览一个网站，其中包含与他合作的公司网站列表。该名单有数百家公司。他所做的只是获取联系信息并将其放入excel中。

再次，他手动完成这个......他说他将花费数小时做这件事。

我想尝试使用Python自动执行此操作。我自学了大约一个月的经验。

现在我有一个程序可以成功地为网站搜索文本。但是，它将文本放入unicode字符串列表中，但由于某种原因，不会将列表转换为utf-8，因此我可以使用它。

import re
import urllib
from bs4 import BeautifulSoup

#url = raw_input("Please enter a url: ")

html = urllib.urlopen("http://www.cerecor.com/contact")
soup = BeautifulSoup(html, "lxml")
data = soup.findAll(text=True)

def visible(element):
    if element.parent.name in ['style', 'script', '[document]', 'head', 'title']:
        return False
    elif re.match('<!--.*-->', str(element.encode('utf-8'))):
        return False
    return True

result = filter(visible, data)

[x.encode('UTF8') for x in result]
#result = ','.join(result)
number = u"(\+?1?.?\d{3}[-\.\s]??\d{3}[-\.\s]??\d{4}|\(\d{3}\)\s*\d{3}[-
\.\s]??\d{4}|\d{3}[-\.\s]??\d{4})"

print result

#numbers = [re.findall(number, x) for x in result]

和输出 [U＆＃39; ＆＃39;，s u＆＃39; \ n＆＃39;，u＆＃39; ＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39; \ n＆＃39;，u＆＃39; Home＆＃39;，u＆＃39; \ n＆＃39;，u＆＃39; \ n＆＃39;，u＆＃39;关于＆＃39;，u＆＃39; \ n＆n＆＃39;，u＆＃39; \ n＆＃39;，u＆＃39;概述＆＃39;，u＆＃39; \ n＆＃39;，u＆＃39;管理团队＆＃39;，u＆＃39; \ n＆＃ 39;，你＆＃39;董事会＆＃39;，你＆＃39; \ n＆＃39;，u 你管道＆＃39;，你＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39;概述＆＃39;，你＆＃39; \ n＆＃39;，你＆＃ 39; CERC-301＆＃39;，u＆＃39; \ n＆＃39;，u＆＃39; CERC-611＆＃39;，u＆＃39; \ n＆＃39;，u＆＃39; CERC-406＆＃39; ，u＆＃39; \ n＆＃39;，u＆＃39;相关出版物＆＃39; ＆＃39;，u＆＃39; \ n＆＃39;，u＆＃39;患者资源＆＃39;，＆＃39; \ n＆＃39;，u＆＃39; ＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39;投资者＆＃39;，＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，u＆＃39;概述＆＃ 39;，你＆＃39; \ n＆＃39;，你＆＃39;新闻/活动＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; C ＆＃39;，u＆＃39; \ n＆＃39;，u＆＃39;分析师报道＆＃39;，＆＃39; \ n＆＃39;，u＆＃39;股票数据＆＃39;，u＆＃39; \ n＆＃39;，美国证券交易委员会的文件＆＃39;，你＆＃39; \ n＆＃39;，u＆＃39;公司治理＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \你＆＃39;，你＆＃39; ＆＃39;，你＆＃39; s＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; ＆＃39;，u＆＃39; \ n＆＃39;，u＆＃39; Careers＆＃39;，u＆＃39; \ n＆＃39;，u＆＃39; ＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39;联系＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; ＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;， s＆＃39;，你＆＃39; \ n＆＃39;，你＆＃34;我们很乐意听到你的消息＆＃34;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃ 39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39;联系＆＃39;，你＆＃39; \ n＆＃39 ;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39; ;， n＆＃39;，你＆＃39;姓名＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆n＆＃39;，你＆＃39;电子邮件＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃ 39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39;公司＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39; ;，你＆＃39; \ n＆＃39;，你＆＃39; \ n ＆＃39;，u＆＃39; \ n＆＃39;，u＆＃39; \ n＆＃39;，u＆＃39;选择选项＆＃39;，u＆＃39; \ n＆＃39;，u＆＃39;一般Inqueries＆＃39;，u＆＃39; \ n＆＃39;，u＆＃39;合作伙伴＆＃39;，＆＃39; \ n＆＃39;，u＆＃39;许可＆＃39;，u＆＃39; \ n＆＃ 39;，u＆＃39; Public Relat 关系＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39;留言＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \你好，你，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; Cerecor，Inc。＆＃39;，你＆＃39; \ n＆＃39;，u＆＃39; \ r \ n 400 East Pratt Street＆＃39;，u＆＃39;苏 \ t \ tBaltimore，MD 21202 \ t \ t＆＃39;，u＆＃39; \ n＆＃39;，u＆＃39; \ r \ n \ t 电话：410-522-8707 \ r \ n \ t \ t＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39 ;, n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39;关于我们＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，u＆＃39; \ n＆＃39;，u＆＃39; Pipeline＆＃39;，u＆＃39; \ n＆＃39;，u＆＃39; \ n＆＃39;，u＆＃39; \ n＆n ＃39;，你＆＃39; \ n＆＃39;，你＆＃39; 你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39;，你＆＃39; \ r \ n \ t \ t \ t \ xa9 2017＆＃39 ;，你＆＃39; Cerecor，Inc。＆＃39;，你＆＃39; ＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39;隐私免责声明＆＃39;，你＆＃39;，你＆＃39;网站地图＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆n ＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; \ n＆＃39;，你＆＃39; ＆＃39;，你＆＃39; // general-wrapper＆＃39;，u＆＃39; \ n＆＃39;，u＆＃39; \ n＆＃39;]

任何和所有建议都会有所帮助。我只是想把它写成一个包含所有文本或列表的字符串，这样我就可以用正则表达式进行搜索。

Answer 1

由于字符串类型在python中是不可变的，x.encode()不会就地修改unicode字符串，而是返回编码版本。

您可以尝试：

result = [x.encode('UTF8') for x in result]

.encode（＆＃39; utf-8＆＃39;）绝对没有做

1 个答案: