0

最近、BeautifulSoup でのヒンディー語文字のエンコードについて、この質問をしました。その質問への回答でその問題は解決しましたが、別の問題があります。

私のコードは次のとおりです。

import urllib2
from bs4 import BeautifulSoup

htmlUrl = "http://archives.ndtv.com/articles/2012-01.html"
FileName = "NDTV_2012_01.txt"

fptr = open(FileName, "w")
fptr.seek(0)

page = urllib2.urlopen(htmlUrl)
soup = BeautifulSoup(page, from_encoding="UTF-8")

li = soup.findAll( 'li')
for link_tag in li:
  hypref = link_tag.find('a').contents[0]
  strhyp = hypref.encode('utf-8')
  fptr.write(strhyp)
  fptr.write("\n")

そして、私はエラーが発生します

Traceback (most recent call last):
File "./ScrapeTemplate.py", line 29, in <module>
hypref = link_tag.find('a').contents[0]
IndexError: list index out of range

print strhypの代わりに代入するとうまくいきそうですfptr.write()。これを修正するにはどうすればよいですか?

編集：私が見つけられなかったコードに間違いがありました。修正しましたが、まだ同じエラーが発生します。

4

2 に答える 2

1

エラーの原因は、ファイルへの書き込みとは関係ありません。link_tag.find('a').contents最初のアイテムを取得しようとすると、空のリストが返され、エラーが発生することがあるようです。次のようなことを試すことができます：

for link_tag in li:
    try:
        hypref = link_tag.find('a').contents[0]
    except IndexError:
        print link_tag #print link tag where it couldn't extract the 'a'
        continue
    strhyp = hypref.encode('utf-8')
    fptr.write(strhyp)
    fptr.write("\n")
于 2013-01-19T10:26:36.227 に答える
1

あなたのコードは、ページの下部にあるリンクにつまずいています。これらをスキップしてください：

for link_tag in li:
  contents = link_tag.find('a').contents
  if len(contents) > 0:
    hypref = contents[0]
    strhyp = hypref.encode('utf-8')
    fptr.write(strhyp)
    fptr.write("\n")
于 2013-01-19T10:54:09.220 に答える