Question

我正在使用漂亮的汤，我正在编写一个爬虫，并在其中包含以下代码：

  print soup.originalEncoding
                #self.addtoindex(page, soup)


                links=soup('a')
            for link in links:

                if('href' in dict(link.attrs)):                   
                    link['href'].replace('..', '')
                    url=urljoin(page, link['href'])
                    if url.find("'") != -1:
                        continue
                    url = url.split('?')[0]
                    url = url.split('#')[0]
                    if url[0:4] == 'http':
                        newpages.add(url)
        pages = newpages

link['href'].replace('..', '')应该修复以../contact/orderform.aspx,../contact/requestconsult.aspx等形式出现的链接。但是，它无效。链接仍然是领先的“..”我有什么遗漏？

Answer 1

string.replace（）返回包含替换值的字符串。它不会修改原件，所以做这样的事情：

link['href'] = link['href'].replace("..", "")

Answer 2

string.replace()返回字符串的副本，替换字符，因为Python中的字符串是不可变的。尝试

s = link['href'].replace("..", '')
url=urljoin(page, s)

Answer 3

这不是一个现场替代品。你需要这样做：

link['href'] = link['href'].replace('..', '')

示例：

a = "abc.."
print a.replace("..","")
'abc'
 print a
'abc..'
a = a.replace("..","")
print a
'abc'

替换不在python中工作的字符

3 个答案: