Hermosa Sopa y uTidy
-
23-08-2019 - |
Pregunta
Quiero pasar los resultados de utidy para sopa Hermosa, Ala:
page = urllib2.urlopen(url)
options = dict(output_xhtml=1,add_xml_decl=0,indent=1,tidy_mark=0)
cleaned_html = tidy.parseString(page.read(), **options)
soup = BeautifulSoup(cleaned_html)
Cuando se ejecuta, los resultados de error siguientes:
Traceback (most recent call last):
File "soup.py", line 34, in <module>
soup = BeautifulSoup(cleaned_html)
File "/var/lib/python-support/python2.6/BeautifulSoup.py", line 1499, in __init__
BeautifulStoneSoup.__init__(self, *args, **kwargs)
File "/var/lib/python-support/python2.6/BeautifulSoup.py", line 1230, in __init__
self._feed(isHTML=isHTML)
File "/var/lib/python-support/python2.6/BeautifulSoup.py", line 1245, in _feed
smartQuotesTo=self.smartQuotesTo, isHTML=isHTML)
File "/var/lib/python-support/python2.6/BeautifulSoup.py", line 1751, in __init__
self._detectEncoding(markup, isHTML)
File "/var/lib/python-support/python2.6/BeautifulSoup.py", line 1899, in _detectEncoding
xml_encoding_match = re.compile(xml_encoding_re).match(xml_data)
TypeError: expected string or buffer
Deduzco utidy devuelve un documento XML, mientras que BeautifulSoup quiere una cadena. ¿Hay una manera de echar cleaned_html? O estoy haciendo mal y debería adoptar un enfoque diferente?
Solución
str()
alrededor cleaned_html
al pasar a BeautifulSoup.
Otros consejos
Convertir el valor pasado a BeautifulSoup en una cadena. En su caso, haga lo siguiente edición en la última línea:
soup = BeautifulSoup(str(cleaned_html))
Licenciado bajo: CC-BY-SA con atribución
No afiliado a StackOverflow