嗨,我对刮痧很陌生,谢谢你的帮助。在
我正在尝试使用以下url打开:
from bs4 import BeautifulSoup
import urllib2
import csv
import re
amicales = urllib2.urlopen("http://www.journal-officiel.gouv.fr/association/index.php?ACTION=Rechercher&HI_PAGE=1&HI_COMPTEUR=0&original_method=get&WHAT=&JTH_ID=014000%2F014040&JAN_BD_CP=&JRE_ID=%CEle-de-France%2FParis&JAN_LIEU_DECL=&JTY_ID=&JTY_WALDEC=&JTY_SIREN=&JPA_D_D=&JPA_D_F=&rechercher.x=36&rechercher.y=7&rechercher=Rechercher")
soup = BeautifulSoup(amicales)
我想从搜索查询中获取结果。问题是,我感兴趣的每个结果都以/html结尾。 我相信这会迫使beautifulsoup在第一个搜索结果后停止读取源代码,从而忽略剩下的20个左右的结果。在
例如,这里只包括“国家倡议和马切鲁3瓦坦”的结果:
^{pr2}$有谁能帮我打开整个页面,而不仅仅是第一个/html标记之前的所有内容吗?在
哦,天哪,那个网站完全坏了。每页只能有一个
</html>
标记。如果您查看源代码,您会发现只有一个<html>
标记(而不是50个</html>
标记)。在一种解决方法是先删除所有的
</html>
标记,然后再将其传递给BeautifulGroup。在相关问题 更多 >
编程相关推荐