Question

我正在尝试为类创建数据抓取文件，而我必须抓取的数据要求我使用while循环将正确的数据放入单独的数组中 - 即状态和SAT平均值等

然而，一旦我设置了while循环，我的正则表达式清除了数据中的大多数html标签，并且我收到的错误是：

属性错误：'NoneType'对象没有属性'groups'

我的代码是：

import re, util
from BeautifulSoup import BeautifulStoneSoup

# create a comma-delineated file
delim = ", "

#base url for sat data
base = "http://www.usatoday.com/news/education/2007-08-28-sat-table_N.htm"

#get webpage object for site
soup = util.mysoupopen(base)

#get column headings
colCols = soup.findAll("td", {"class":"vaTextBold"})

#get data
dataCols = soup.findAll("td", {"class":"vaText"})

#append data to cols
for i in range(len(dataCols)):
    colCols.append(dataCols[i])

#open a csv file to write the data to
fob=open("sat.csv", 'a')

#initiate the 5 arrays
states = []
participate = []
math = []
read = []
write = []

#split into 5 lists for each row
for i in range(len(colCols)):
    if i%5 == 0:
        states.append(colCols[i])
i=1
while i<=250:
    participate.append(colCols[i])
    i = i+5

i=2
while i<=250:
    math.append(colCols[i])
    i = i+5

i=3
while i<=250:
    read.append(colCols[i])
    i = i+5

i=4
while i<=250:
    write.append(colCols[i])
    i = i+5

#write data to the file
for i in range(len(states)):
    states = str(states[i])
    participate = str(participate[i])
    math = str(math[i])
    read = str(read[i])
    write = str(write[i])

    #regex to remove html from data scraped

    #remove <td> tags
    line = re.search(">(.*)<", states).groups()[0] + delim + re.search(">(.*)<",       participate).groups()[0]+ delim  + re.search(">(.*)<", math).groups()[0] + delim + re.search(">(.*)<", read).groups()[0] + delim  + re.search(">(.*)<", write).groups()[0]

    #append data point to the file
   fob.write(line)

有关此错误突然出现的原因的任何想法？正则表达式工作正常，直到我试图将数据拆分为不同的列表。我已经尝试在最后的“for”循环中打印各种字符串，以查看它们中的任何一个是否为第一个i值（0）的“无”，但它们都是它们应该是的字符串。

非常感谢任何帮助！

Answer 1

看起来正则表达式搜索失败了（其中一个）字符串，因此返回None而不是MatchObject。

尝试以下操作，而不是非常长的#remove <td> tags行：

out_list = []
for item in (states, participate, math, read, write):
    try:
        out_list.append(re.search(">(.*)<", item).groups()[0])
    except AttributeError:
        print "Regex match failed on", item
        sys.exit()
line = delim.join(out_list)

这样，您就可以找到正则表达式失败的位置。

另外，我建议您使用.group(1)代替.groups()[0]。前者更明确。

从列表创建的字符串的属性错误

1 个答案: