Python客户端窗体E

Question

导入客户机窗体 从urllib2导入urlopen

page = urlopen('http://garciainteractive.com/blog/topic_view/topics/content/')
form = ClientForm.ParseResponse(page, backwards_compat=False)
print form[0]

问题是ClientForm按以下方式解析第一个html表单：

^{pr2}$

因此，找不到name、email和{}输入。我怎样才能修好它？TIA公司

更新：实际上，我并不是单独使用ClientForm，而是作为mechanize的一部分，因此我更喜欢一种解决方案，允许在不重写mechanize代码的情况下进行修复

Answer 1

问题很可能是HTML本身无效-例如它重复使用了 id="comment_form" over and over again, while there is only supposed to be one id of a given name per document.

最好的解决方案可能是先使用beauthoulsoup来解析你的urlopen页面结果，然后把它打印回ClientForm的一个字符串中——这很可能会消除大部分粗糙的边缘，并给ClientForm更好的完成任务的机会。在

如果这不起作用，就把结果打印出来，然后计算出你需要在HTML上做什么样的转换，从而使ClientForm的表单变得非常简单——通过删除无关的标记和cruft。在

Answer 2

正如理查德建议的那样，使用beauthoulsoup。在

from BeautifulSoup import BeautifulSoup, SoupStrainer
from StringIO import StringIO
from urllib2 import urlopen
import ClientForm

url='http://garciainteractive.com/blog/topic_view/topics/content/'           

html=urlopen(url).read()
forms_filter=SoupStrainer('form',id="comment_form")
soup = BeautifulSoup(html,parseOnlyThese=forms_filter)
forms = ClientForm.ParseFile(StringIO(soup),"", backwards_compat=False)
forms[0]['name']='Kalmi'
forms[0]['email']='kalmi@..com'