Я работаю на работе, и мне нужно разобрать сайт с помощью Beautiful Soup. Сайт http://www.manta.com, но когда я пытаюсь увидеть кодировку сайта в метакоде HTML-кода, ничего не отображается. Я пытаюсь разобрать HTML локально, с веб-страницы, загруженном, но у меня возникают проблемы с некоторыми ошибками декодирования:Ошибка декодирования Beautiful Soup
# manta web page downloaded before
html = open('1.html', 'r')
soup = BeautifulSoup(html, 'lxml')
Это производит следующую трассировку стека:
Traceback (most recent call last):
File "E:/Projects/Python/webkit/sample.py", line 10, in <module>
soup = BeautifulSoup(html, 'lxml')
File "C:\Python27\lib\site-packages\bs4\__init__.py", line 172, in __init__
self._feed()
File "C:\Python27\lib\site-packages\bs4\__init__.py", line 185, in _feed
self.builder.feed(self.markup)
File "C:\Python27\lib\site-packages\bs4\builder\_lxml.py", line 195, in feed
self.parser.close()
File "parser.pxi", line 1209, in
lxml.etree._FeedParser.close(src\lxm\lxml.etree.c:90717)
File "parsertarget.pxi", line 142, in
lxml.etree._TargetParserContext._handleParseResult (src\lxml\lxml.etree.c:100104)
File "parsertarget.pxi", line 130, in
lxml.etree._TargetParserContext._handleParseResult (src\lxml\lxml.etree.c:99927)
File "lxml.etree.pyx", line 294, in lxml.etree._ExceptionContext._raise_if_stored
(src\lxml\lxml.etree.c:9387)
File "saxparser.pxi", line 259, in lxml.etree._handleSaxData (src\lxml
\lxml.etree.c:96065)
UnicodeDecodeError: 'utf8' codec can't decode bytes in position 105-106: invalid data
Я m попытайтесь ввести кодировку в конструкторе Beautiful Soup:
soup = BeautifulSoup(html, 'lxml', from_encoding= "some encoding")
И я продолжаю получать ту же ошибку.
Интересно, что если я загружаю страницу в свой браузер, а затем меняю кодировку на utf-8, например, в Firefox и сохраняю ее. Эта работа хорошая. Любая помощь очень ценится. Спасибо.
Я не могу открыть www.manta.com Является ли URL правильно? – justhalf
Попробуйте следующее: [link] (http://www.manta.com/mb_43_A0_19/advertising_marketing/louisiana?pg=2) это одна из страниц, которую я хочу разобрать –
Я не могу открыть ее здесь. Это только для США? (btw, как сделать гиперссылку в комментарии?) – justhalf