个人中心
文章发布
退出
作者热门文章
- html - 出于某种原因，IE8 对我的 Sass 文件中继承的 html5 CSS 不友好？
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景？
25
4
我正在抓取本地 html 文档。但是，当我用漂亮的汤解析它时，它以无法解析的丑陋(如下图所示)格式返回 html。
我使用的简单代码是:
path = 'alerts/myfile.htm'
file = open(os.path.abspath(path))
parser = BeautifulSoup(file,'html.parser')
file.close()
这件事让我发疯。你遇到过同样的问题吗？谢谢
最佳答案
看起来原始文件是 UTF-16 格式的。
无论出于何种原因，BeautifulSoup(..., from_encoding='utf-16le') 无法理解这种情况，但您可以通过在传递之前手动读取和解码文件来解决此问题它到 BS。
请参阅下面的文字记录，其中我创建了一个 UTF-16LE 的 HTML 文件，转储其内容，尝试将其直接传递到 BS4，最后使用上述解决方法。
$ echo '<html><div>hello</div></html>' | iconv -f utf-8 -t utf-16le > y.html
$ file y.html
$ xxd y.html
00000000: 3c00 6800 7400 6d00 6c00 3e00 3c00 6400 <.h.t.m.l.>.<.d.
00000010: 6900 7600 3e00 6800 6500 6c00 6c00 6f00 i.v.>.h.e.l.l.o.
00000020: 3c00 2f00 6400 6900 7600 3e00 3c00 2f00 <./.d.i.v.>.<./.
00000030: 6800 7400 6d00 6c00 3e00 0a00 h.t.m.l.>...
$ python
>>> import bs4
>>> s = bs4.BeautifulSoup(open('y.html'))
<html><div>hello</div></html>
>>> s = bs4.BeautifulSoup(open('y.html'), from_encoding='utf-16le')
<html><div>hello</div></html>
>>> s = bs4.BeautifulSoup(open('y.html'), 'html.parser', from_encoding='utf-16le')
<html><div>hello</div></html>
>>> d = open('y.html', 'rb').read().decode('utf-16le')
>>> d
'<html><div>hello</div></html>\n'
>>> s = bs4.BeautifulSoup(d)
>>> s
<html><div>hello</div></html>
>>>
关于python - BeautifulSoup 在解析后返回间隔文本，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/54925083/
25
4
0
我试图根据表格看起来像这样的状态代码来查找表格中的空白。 状态表: StateID (PK) | Code -------------------- 1 | AK 2
我有一个配对字符串列表。我想找到两个字母之间的长度/间隔。到目前为止，我可以使用找到有序字母的间隔 alpha =["AM", "KQ", "ZN", "XM", "UK"] leng
我有一个配对字符串列表。我想找到两个字母之间的长度/间隔。到目前为止，我可以使用找到有序字母的间隔 alpha =["AM", "KQ", "ZN", "XM", "UK"] leng
我正在努力弄清楚如何将时间选择器的下拉间隔设置为 15 分钟间隔。默认为 30 分钟 atm。让它工作的正确调用/符号是什么？我已经尝试了很多将它们放入 '' 的变体，但没有任何进展。谢谢! $
假设我有 table teach_subject(teacher_id, subject_id, min_grade_of_school, max_grade_of_school, color_in_
我有下面的图像，我试图以 3 秒的间隔一张一张地显示它们，但我无法让它工作。它继续停留在 0 并且不显示图像，帮助会很好: JavaScript: window.animate = functio
我认为这个问题类似于加权间隔调度问题，但略有不同。 假设您有一个具有开始时间和结束时间的类次 s，该类次从 s.start 开始有 n 个空位到s.end。时隙是从 s.start 到 s.end 的
我试图将一个 GeometryReader 作为按钮推到屏幕底部，但 Spacer 在这里不起作用...... 这个想法是让应用程序响应所有屏幕尺寸。 VStack { GeometryRea
我问了一个相关问题 here但意识到我在计算这个复杂的度量时花费了太多时间(目标是与随机化测试一起使用，所以速度是一个问题)。所以我决定放弃权重，只使用两个度量之间的最小距离。所以这里我有 2 个向量
我最近成立 healthcheck s 在我的 docker-compose配置。 它做得很好，我喜欢它。下面是一个典型的例子: services: app: healthcheck:
我正在 Cocoa 中使用如下设置的 NSTimer 运行 mainLoop: mainLoopTimer = [NSTimer scheduledTimerWithTimeInter
目前正在开发家庭自动化应用程序，其中有事件 API 可以在事件被触发时为我提供事件。但我想持续运行 API，以便跟踪在整个应用程序中触发的事件。还有一个主页，我在其中显示曾经发生的事件。它是一个简单的
我有一个查询应该是这样的要求: { "size": 0, "_source": [ "dateCreated" ], "query": { "bool": {
我有一个 UNIX 格式的时间字符串。我需要将该字符串四舍五入到最接近的 30 分钟间隔。 例如:我的时间是上午 9:20，而不是应该四舍五入到上午 9:30。 如果分钟数大于 30，例如上午 9:4
我有网络调用，我想定期调用它。我只想将运算符 Interval 与 flatMap 一起使用，但在间隔线程上。你能解释一下这种情况吗？我知道Interval只使用一个线程，任务是按顺序处理的。 我有
我在我的 iOS 应用程序中使用了 NSTimer，但由于 SetNeedsDisplay，我没有得到我想要的结果。 我做了一些研究并找到了 CADisplayLink，它为我提供了我想要的动画结果。
我需要通过给出值数组来生成 map 上图例的值。Java 库中是否有函数可以从值数组和计数值生成范围或区间？像这样的东西: Integer[] getIntervals(Number[] values
我的函数中有以下代码，我试图从数据库中获取参数MAX_FAILED_ATTEMPT，并且基于此，如果检查失败，我将发送警报。当前代码将尝试从 MAX_FIELD_ATTEMPT 获取值并立即依次进行检
我在这里要做的是像 Windows XP 上的那样放下一个轨迹栏来更改分辨率:( http://puu.sh/7Li5h.png ) 我想设置特定的间隔/增量值，如上图所示。目前，实际栏下方的线条已经
是否可以停止当前作为 setInterval 运行的函数？ 这是我的代码: 这是我调用的函数 function pull_light_status (lights_array) { $.get
我是一名优秀的程序员,十分优秀！