Question

from bs4 import BeautifulSoup
import re
import urllib2
import urllib
list_open = open("weblist.txt")
read_list = list_open.read()
line_in_list = read_list.split("\n")
for url in line_in_list:
        Beautiful = urllib2.urlopen(url).read()
        beautiful
        soup = bs4.BeautifulSoup(beautiful)
        for news in soup:
                 print soup.getText()

以下代码可帮助我从多个网站（weblist.txt）中提取文本

但是当我的网站列表包含任何未使用此代码打开的链接或网站时，它会立即停止并且不检查其他链接。假设我有10个链接，而第二个链接未打开或无法解析，则会导致错误并在不检查其他链接的情况下停止该链接。我希望它应检查Web列表中的每个链接（从开始到结束）并从中提取文本所有那些真实的或能够解析的链接。

Answer 1

只需添加try try语句，如下所示：

for url in line_in_list:
    try:
        Beautiful = urllib2.urlopen(url).read()
        beautiful
        soup = bs4.BeautifulSoup(beautiful)
        for news in soup:
             print soup.getText()
    except Exception as e:
        #Error handling
        print(e)

从多个网站提取文本

1 个答案: