Я должен удалить текст в тег заголовка из этого источника:Ошибка с Beautiful Soup
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html dir="ltr" lang="en">
<head>
<title>Microsoft to acquire Nokia’s devices & services business, license Nokia’s patents and mapping services</title>
<meta http-equiv="X-UA-Compatible" content="IE=EmulateIE9; IE=10" />
<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
<meta id="ctl00_WtCampaignId" name="DCSext.wt_linkid" />
</title>
Я использую это, чтобы удалить текст:
opener = urllib2.build_opener()
opener.addheaders = [('User-agent', 'Mozilla/5.0')]
ourUrl = opener.open("http://www.thehindubusinessline.com/industry-and-economy/info-tech/nokia-cannot-license-brand-nokia-post-microsoft-deal/article5156470.ece").read()
soup = BeautifulSoup(ourUrl)
print soup
dem = soup.findAll('p')
hea = soup.findAll('title')
Этот код правильно извлекает р теги, однако, не работают при попытке извлечь заголовок. Благодарю. Я включил только часть кода, не волнуйтесь, все остальное прекрасно работает.
Я не могу воспроизвести вашу проблему; HTML на этой странице сломан, но оба BeautifulSoup 3 и все 3 плагина для синтаксиса для BeautifulSoup 4 дают мне правильный результат, и я могу извлечь заголовок просто отлично. –
Какую версию BeautifulSoup вы используете? У серии 4.0 были проблемы. Кроме того, некоторые комбинации lxml + libxml2 имеют проблемы с определенным вводом HTML. Если вы используете BeautifulSoup 4, у вас есть lxml, установленный вообще? –
Умм, какие ошибки вы получаете? Или вы получаете пустой список? Потому что я попробовал ваш код (и эту страницу тоже) и получил ** никаких ** ошибок! – JadedTuna