1
我正在使用Python和Beautifulsoup来解析HTML数据并从RSS-Feeds中获取p-tags。但是,有些URL会导致问题,因为解析的汤对象不包含文档的所有节点。Beautifulsoup丢失节点
比如我试图解析http://feeds.chicagotribune.com/~r/ChicagoBreakingNews/~3/T2Zg3dk4L88/story01.htm
但比较网页源代码解析的对象之后,我注意到,ul class="nextgen-left"
后,所有的节点都不见了。
这是我如何解析文件:
from bs4 import BeautifulSoup as bs
url = 'http://feeds.chicagotribune.com/~r/ChicagoBreakingNews/~3/T2Zg3dk4L88/story01.htm'
cj = cookielib.CookieJar()
opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cj))
request = urllib2.Request(url)
response = opener.open(request)
soup = bs(response,'lxml')
print soup
尝试使用其他解析器; Feed中的HTML被破坏,不同的解析器处理的方式不同。 – 2013-05-01 10:56:49