python - BeautifulSoup 在两种环境下的工作方式不同

Question

我在使用 Python 和 BeautifulSoup4 时遇到了一个有趣的问题。 我的方法通过给定的餐厅(字典键)获取本地学生餐厅当天的菜单，然后显示这些菜单。

def fetchFood(restaurant):
  # Restaurant id's
  restaurants = {'assari': 'restaurant_aghtdXJraW5hdHIaCxISX1Jlc3RhdXJhbnRNb2RlbFYzGMG4Agw', 'delica': 'restaurant_aghtdXJraW5hdHIaCxISX1Jlc3RhdXJhbnRNb2RlbFYzGPnPAgw', 'ict': 'restaurant_aghtdXJraW5hdHIaCxISX1Jlc3RhdXJhbnRNb2RlbFYzGPnMAww', 'mikro': 'restaurant_aghtdXJraW5hdHIaCxISX1Jlc3RhdXJhbnRNb2RlbFYzGOqBAgw', 'tottisalmi': 'restaurant_aghtdXJraW5hdHIaCxISX1Jlc3RhdXJhbnRNb2RlbFYzGMK7AQw'}

if restaurants.has_key(restaurant.lower()):
  soup = BeautifulSoup(urllib.urlopen("http://murkinat.appspot.com"))
  meal_div = soupie.find(id="%s" % restaurants[restaurant.lower()]).find_all("td", "mealName hyphenate")
  mealstring = "%s: " % restaurant
  for meal in meal_div:
    mealstring += "%s / " % meal.string.strip()
  mealstring = "%s @ %s" % (mealstring[:-3], "http://murkinat.appspot.com")
return mealstring

else:
  return "Restaurant not found"

它将成为我的 IRCBot 的一部分，但目前它仅适用于我的测试机器(带有 Python 2.7.3 的 Ubuntu 12.04)，但在运行该机器人的另一台机器(带有 Python 2.6.5 的 Xubuntu)上它失败了。

行后

soup = BeautifulSoup(urllib.urlopen("http://murkinat.appspot.com"))

>>> type(soup)
<class 'bs4.BeautifulSoup'>

我可以打印它，它显示拥有所有应该的内容，但它找不到任何东西。如果我这样做:

>>> print soup.find(True)
None

>>> soup.get_text()
u'?xml version="1.0" encoding="utf-8" ?'

它停止读取第一行，尽管在另一台机器上，它完美地读取了所有内容。

输出应如下所示(来自此时具有餐厅参数“Tottisalmi”的工作机器):

    Tottisalmi: Sveitsinleike, kermaperunat / Jauheliha-perunamusaka / Uuniperuna, kylmäsavulohitäytettä / Kermainen herkkusienikastike @ http://murkinat.appspot.com

我对此完全一无所知。我有许多类似的 BeautifulSoup 解析方法，它们在机器人上运行得很好(它解析 url 的标题和维基百科的内容)，但这个一直困扰着我。

有人知道吗？我只能想出它与我的 Python 版本有关，这听起来很奇怪，因为在其他地方 BeautifulSoup4 都工作得很好。

Answer 1

我相信你有different parsers installed on the two machines 。 html5lib 解析器在给定标记上失败，从而产生不良行为。 lxml 和 html.parser 解析器正确解析标记并且不会给出不良行为。

当编写将在多台机器上运行的代码时，最好明确说明您要使用哪个解析器:

BeautifulSoup(data, "lxml")

这样，如果未安装适当的解析器，您将收到错误。