Итак, я использую BeautifulSoup для создания веб-скипа для захвата каждого объявления на странице Craigslist. Вот что у меня до сих пор:BeautifulSoup: проблема с find_all() и unicode?
import requests
from bs4 import BeautifulSoup, SoupStrainer
import bs4
page = "http://miami.craigslist.org/search/roo?query=brickell"
search_html = requests.get(page).text
roomSoup = BeautifulSoup(search_html, "html.parser")
ad_list = roomSoup.find_all("a", {"class":"hdrlnk"})
#print ad_list
ad_ls = [item["href"] for item in ad_list]
#print ad_ls
ad_urls = ["miami.craigslist.org" + ad for ad in ad_ls]
#print ad_urls
url_str = [str(unicode) for unicode in ad_urls]
# What's in url_str?
for url in url_str:
print url
Когда я запускаю это, я получаю:
miami.craigslist.org/mdc/roo/4870912192.html miami.craigslist.org/ MDC/РОО/4858122981.html miami.craigslist.org/mdc/roo/4870665175.html miami.craigslist.org/mdc/roo/4857247075.html miami.craigslist.org/mdc/roo/4870540048.html. ..
Это точно я хочу: список, содержащий URL-адреса для каждого объявления на странице.
Следующим шагом было извлечь что-то с каждой из этих страниц; следовательно, создавая еще один объект BeautifulSoup. Но я не могу остановиться:
for url in url_str:
ad_html = requests.get(str(url)).text
Здесь мы, наконец, дойдём до моего вопроса: что это за ошибка? Единственное, что я могу понять это последние 2 строки:
Traceback (most recent call last): File "webscraping.py", line 24,
in <module>
ad_html = requests.get(str(url)).text File "/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/requests/api.py",
line 65, in get
return request('get', url, **kwargs) File "/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/requests/api.py",
line 49, in request
response = session.request(method=method, url=url, **kwargs) File
"/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/requests/sessions.py",
line 447, in request
prep = self.prepare_request(req) File "/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/requests/sessions.py",
line 378, in prepare_request
hooks=merge_hooks(request.hooks, self.hooks), File "/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/requests/models.py",
line 303, in prepare
self.prepare_url(url, params) File "/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/requests/models.py",
line 360, in prepare_url
"Perhaps you meant http://{0}?".format(url)) requests.exceptions.MissingSchema: Invalid URL
u'miami.craigslist.org/mdc/roo/4870912192.html': No schema supplied.
Perhaps you meant http://miami.craigslist.org/mdc/roo/4870912192.html?
Похоже, вопрос в том, что все мои ссылки предшествует и», так requests.get() не работает. Вот почему вы видите меня в значительной степени, пытаясь заставить все URL-адреса в регулярную строку с помощью str(). Однако, независимо от того, что я делаю, я получаю эту ошибку. Есть что-то еще, что мне не хватает? Я полностью недопонимаю свою проблему?
Большое спасибо!
Это сделало трюк. Я совершенно не замечал этого. Благодаря! –