我试图写一个脚本，将在一个网站的源代码搜索文本。我有它，所以它成功地抓取源代码并打印出来，看起来像这样:b'<?xml version="1.0" encoding="UTF-8" ?>n<!DOCTYPE html……等等
然而，当试图在使用print(page.find('div'))的代码中搜索找到'div'标签时，我得到一个错误，说明TypeError: Type str doesn't support the buffer API，我相信这与我正在接收字节文字的事实有关。我如何将其编码为UTF-8或ASCII以便能够搜索字符串?
如果需要，下面是我正在运行的简单代码:
import urllib.request
from urllib.error import URLError
def get_page(url):
#make the request
req = urllib.request.Request(url)
the_page = urllib.request.urlopen(req)
#get the results of the request
try:
#read the page
page = the_page.read()
print(page)
print(page.find('div'))
#except error
except URLError as e:
#if error has a reason (thus is url error) print the reason
if hasattr(e, 'reason'):
print(e.reason)
#if error has a code (thus is html error) print the code and the error
if hasattr(e, 'code'):
print(e.code)
print(e.read())
我想你正在使用Python v.3(从print中作为函数而不是语句声明)。
在Python 3中，page是一个bytes对象。所以你也需要用bytes对象来搜索它。试试这个:
print(page.find(b'div'))
希望对大家有所帮助