Question

我尝试运行以下代码，但发现在bsObj1提取内容后，read()的文字被修改为空白文本。 bsObj3也被修改为空白文本，而我没有做任何事情。

为什么bsObj1和bsObj3会变成空白？如何防止bsObj1自动更改？

from urllib.request import urlopen
from bs4 import BeautifulSoup

def getLinks(pageUrl):
    html1 = urlopen(pageUrl)
    html2 = urlopen(pageUrl)
    html3 = html1

    body1 = html1.read()

    bsObj1 = BeautifulSoup(html1)
    bsObj2 = BeautifulSoup(html2)
    bsObj3 = BeautifulSoup(html3)

    print("bsObj1's length is "+str(len(bsObj1.text)))
    print("bsObj2's length is "+str(len(bsObj2.text)))
    print("bsObj3's length is "+str(len(bsObj3.text)))

if __name__ == '__main__':
    getLinks("https://en.wikipedia.org/wiki/Main_Page")

输出： -

bsObj1's length is 0
bsObj2's length is 16000
bsObj3's length is 0

非常感谢提前！

Answer 1

我相信你的代码中有拼写错误。你已经阅读了html1，所以当你把它解析为BeautifulSoup时，它将不会读取任何内容，因为body1 = html1.read()。已阅读html1已经与html3相同，因为它等于html1

以下代码工作正常。

body1 = html1.read()

bsObj1 = BeautifulSoup(body1)
bsObj2 = BeautifulSoup(html2)
bsObj3 = BeautifulSoup(body1)

示例输出

bsObj1的长度是16028

bsObj2的长度是16028

bsObj3的长度是16028

希望这有帮助。

HTTP响应由BeautifulSoup的read（）自动修改

1 个答案: