Я веб соскабливания новостей сайта, чтобы получать новости, статьи, используя следующий код:Dont Want пробелы между абзацами: Python
import mechanize
from selenium import webdriver
from bs4 import BeautifulSoup
url = "http://www.thehindu.com/archive/web/2012/06/19/"
link_dictionary = {}
driver = webdriver.Firefox()
driver.get(url)
soup = BeautifulSoup(driver.page_source)
for tag_li in soup.findAll('li', attrs={"data-section":"Editorial"}):
for link in tag_li.findAll('a'):
link_dictionary[link.string] = link.get('href')
print link_dictionary[link.string]
urlnew = link_dictionary[link.string]
brnew = mechanize.Browser()
htmltextnew = brnew.open(urlnew).read()
articletext = ""
soupnew = BeautifulSoup(htmltextnew)
for tag in soupnew.findAll('p'):
articletext += tag.text
print articletext
driver.close()
я получаю желаемый результат, но я хочу конкретную статью новостей в одной линия. Для некоторых статей я получаю всю статью в одной строке, в то время как в других я получаю разные абзацы. Может кто-нибудь помочь мне разобраться в проблеме? Я новичок в программировании на питоне. Спасибо и с уважением.
где и как следует определять 're' ?? –
сайт, который я использую, использует 'p' теги для его содержимого. Кроме того, для каждого тега 'p' я получаю новую строку для некоторых статей и не получаю для других. Я хочу, чтобы эта проблема была решена. Вы можете мне помочь? –
спасибо, это помогло. –