我正在尝试从这个网站获取代码:http://netherkingdom.netai.net/pycake.html 然后我用一个python脚本解析html div标记中的所有代码,最后将div标记之间的文本写到一个文件中。问题是它在文件中添加了一组\r和\n。如何避免此问题,或者删除和。下面是我的代码:
import urllib.request
from html.parser import HTMLParser
import re
page = urllib.request.urlopen('http://netherkingdom.netai.net/pycake.html')
t = page.read()
class MyHTMLParser(HTMLParser):
def handle_data(self, data):
print(data)
f = open('/Users/austinhitt/Desktop/Test.py', 'r')
t = f.read()
f = open('/Users/austinhitt/Desktop/Test.py', 'w')
f.write(t + '\n' + data)
f.close()
parser = MyHTMLParser()
t = t.decode()
parser.feed(t)
这是它生成的结果文件:
b'
import time as t\r\n
from os import path\r\n
import os\r\n
\r\n
\r\n
\r\n
\r\n
\r\n'
最好我也希望有开始b'和最后一个'删除。我在Mac上使用Python3.5.1。
一个简单的解决方案是去掉每行的最后两个字符:
一个简单的解决方案是去掉尾随空白:
与使用
[:-2]
片相比,rstrip()
的优点是,这对于UNIX样式的文件也是安全的。但是,如果你只想摆脱
\r
,而他们可能不在最后一行,那么str.replace()
就是你的朋友:如果您有一个byte对象(即前导的
b'
),则可以使用以下命令将其转换为本机Python 3字符串:相关问题 更多 >
编程相关推荐