我在Windows 7机器上运行了Python 2.7中的简单代码:
from urllib2 import urlopen
from bs4 import BeautifulSoup
from HTMLParser import HTMLParser
def main():
html_parser = HTMLParser()
soup = BeautifulSoup(urlopen("http://www.amazon.com/gp/bestsellers/").read())
categories = []
for category_li in soup.find(attrs={'id':'zg_browseRoot'}).find('ul').findAll('li'):
category = {}
category['name'] = html_parser.unescape(category_li.a.string)
category['url'] = category_li.a['href']
categories.append(category)
当我在一台机器上运行它时,它工作正常,当我在另一台机器上运行它时,我收到以下错误消息:
Traceback (most recent call last):
File ".../tmp.py", line 10, in <module>
for category_li in soup.find(attrs={'id':'zg_browseRoot'}).find('ul').findAll('li'):
AttributeError: 'NoneType' object has no attribute 'find'
谁能帮我找出原因?两台机器都安装了Python 2.7。 我真的很感激任何帮助。
在两台不同的机器上运行代码之间的不同输出是用于解析 html 的解析器。在不起作用的机器上安装了 lxml,所以 bs4 正在使用它,在正常工作的机器上,您使用了我们html.parser
我们使用诊断代码发现的。
运行诊断代码会显示系统上可用的解析器以及它们如何解析 html:
from bs4.diagnose import diagnose
data = urlopen("http://www.amazon.com/gp/bestsellers/").read()
diagnose(data)
因此,将已安装lxml
系统上的代码更改为:
soup = BeautifulSoup(urlopen("http://www.amazon.com/gp/bestsellers/").read(),"html.parser")
将解析器更改为html.parser
就可以解决问题。
有趣的是,我可以使用相同的 bs44.3.2
版本在 ubuntu 上使用任一解析器运行代码,唯一的区别是我的lxml
版本3.4.1.0 vs 3.4.4.0
稍旧。