Belle soupe et uTidy

Question

Je veux passer les résultats de utidy Beautiful soupe, 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)

Lors de l'exécution, les résultats d'erreur suivants:

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

Je déduis utidy retourne un document XML en BeautifulSoup veut une chaîne. Est-il un moyen de jeter cleaned_html? Ou suis-je le fais mal et devrait adopter une approche différente?

Answer 1

Il suffit de str() autour cleaned_html  lors du passage à BeautifulSoup.

Answer 2

Convertir la valeur passée à BeautifulSoup dans une chaîne. Dans votre cas, procédez comme suit pour modifier la dernière ligne:

soup = BeautifulSoup(str(cleaned_html))