用Python抓取RSS feed
发布时间：2020-12-20 11:23:33 所属栏目：Python 来源：网络整理
导读：我是 Python和编程的新手,所以如果问题非常愚蠢,请原谅. 我一直在跟踪this关于RSS抓取的教程,但是当我试图收集相应链接到正在收集的文章的标题时,我得到了Python的“列表索引超出范围”错误. 这是我的代码： from urllib import urlopenfrom BeautifulSoup i
|
我是
Python和编程的新手,所以如果问题非常愚蠢,请原谅.
我一直在跟踪this关于RSS抓取的教程,但是当我试图收集相应链接到正在收集的文章的标题时,我得到了Python的“列表索引超出范围”错误. 这是我的代码： from urllib import urlopen
from BeautifulSoup import BeautifulSoup
import re
source = urlopen('http://feeds.huffingtonpost.com/huffingtonpost/raw_feed').read()
title = re.compile('<title>(.*)</title>')
link = re.compile('<link>(.*)</link>')
find_title = re.findall(title,source)
find_link = re.findall(link,source)
literate = []
literate[:] = range(1,16)
for i in literate:
print find_title[i]
print find_link[i]
当我只告诉它检索标题时它执行正常,但是当我想检索标题及其相应的链接时立即抛出索引错误. 任何帮助将不胜感激. 解决方法
我认为您使用错误的正则表达式从页面中提取链接.
>>> link = re.compile('<link rel="alternate" type="text/html" href=(.*)')
>>> find_link = re.findall(link,source)
>>> find_link[1].strip()
'"http://www.huffingtonpost.com/andrew-brandt/the-peyton-predicament-pa_b_1271834.html" />'
>>> len(find_link)
15
>>>
看一下你的页面的html源代码,你会发现链接没有包含在内 实际上,模式是< link rel =“alternate”type =“text / html”href = links here. 这就是为什么你的正则表达式不起作用的原因. （编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |