为什么当我使用 beautifulsoup 抓取 HTML 中的字符串时它们不起作用

Question

我想使用 beautifulsoup 工具在 HTML 中抓取倾斜字符串 "The Dormouse's story"。

#!/usr/bin/python
# -*- coding: utf-8 -*-
from bs4 import BeautifulSoup
html_doc = """
<html>

<head>
  <title>The Dormouse's story</title>
</head>

<body>
  <p class="title"><b>The Dormouse's story</b>
  </p>

  <p class="story">Once upon a time there were three little sisters; and their names were
    <a href="http://example.com/elsie" class="sister" id="link1">Elsie</a>,
    <a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and
    <a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>; and they lived at the bottom of a well.</p>

  <p class="story">...</p>

  """ 
soup = BeautifulSoup(html_doc) 
print soup.title.string

我用的是Python2.7.9 IDE，错误描述为

Traceback (most recent call last):
  File "C:/Python27/Scripts/test.py", line 23, in <module>
    print soup.title.string
  File "C:\Python27\lib\idlelib\PyShell.py", line 1353, in write
    s = unicode.__getslice__(s, None, None)
TypeError: an integer is required

如何解决这个问题，是否需要更改变量类型？

Answer 1

我认为这是你 IDE 中的一个错误，当我使用它时，没有错误。

 <<ret = urllib2.urlopen(url).read()
 <<soup = BeautifulSoup(ret)
 <<print soup.title.string
 <<About Me

Answer 2

当您使用 运行模块 命令运行脚本时，这是 IDLE 中的一个错误；解决方法是在对象上使用 unicode()：

print unicode(soup.title.string)

此问题是由 issue 19481 的错误修复引起的；我怀疑 unicode.__getslice__ 方法得到了清理和/或从未支持使用 None 作为索引，至少在 Python 2.

我已经为这个问题打开了 new bug on IDLE。

为什么当我使用 beautifulsoup 抓取 HTML 中的字符串时它们不起作用

Why they didn't work when I scrape the string in HTML by using beautifulsoup

html

python

string

beautifulsoup