mechanize を使用して Web サイトにアクセスするコードを書いていますが、多くの場合、Python コードを実行すると、使用した行で無期限に停止しmechanize.ParseResponseます。エラーは発生しませんが、代わりに で中断する必要がありCTRL+Cます。また、メソッドに正しい引数を使用していると思います。しかし、なぜ私のプログラムが突然実行を停止するのか、私は混乱しています。何か案が？
追加の背景として、私は Mac で実行しています。
どんな助けでも大歓迎です！
編集：以下は私のコードです
注:電話python bikes.pyをかけましたが、次の行でときどき停止します。
form = mechanize.ParseResponse(response, backwards_compat=False)
場合によっては、次の場所でも停止します。
text = response.read()
# bikes.py
import re
import webbrowser
import mechanize
import urllib
brands = ["cannondale", "felt", "fuji", "giant", "specialized", "trek"]
keywords = ["52", "53", "54", "shimano", "sora", "tiagra", "105", "ultegra", \
"road", "allez", "defy"]
avoid = ["bmx", "mountain", "kids", "fixie", "jacket", "clothing", "fixed gear", \
"hybrid", "mtb"]
def openLink(text):
text = text.lower()
open = False
for word in avoid:
if word in text:
return False
for word in keywords:
if word in text:
open = True
return open
def scourPage(text, fileRead, fileWrite):
links = re.findall(r'class="row".+?href="(.+?)"', text)
for link in links:
if "http:" in link:
url = link
else:
url = homePage + link
page = urllib.urlopen(url)
pageText = page.read()
title = re.search(r'"postingtitle">.{0,10}<span.+?>[\s\'"]+(.+?)[\s\'"]{0,10}</h2>', \
pageText, re.DOTALL)
body = re.search(r'"postingbody">(.+?)</section>', pageText, re.DOTALL)
openBody = False
openTitle = False
if body != None:
body = body.group(1)
openBody = openLink(body)
if title != None:
title = title.group(1)
openTitle = openLink(title)
if (openTitle and openBody) and (url not in fileRead) and (title not in fileRead):
fileWrite.write(title + "\n" + url + "\n")
fileWrite.close()
homePage = "http://sfbay.craigslist.org"
request = mechanize.Request(homePage)
response = mechanize.urlopen(request)
forms = mechanize.ParseResponse(response, backwards_compat=False)
form = forms[0]
request = form.click()
response = mechanize.urlopen(request)
emptySearch = response.geturl()
request = mechanize.Request(emptySearch)
response = mechanize.urlopen(request)
forms = mechanize.ParseResponse(response, backwards_compat=False)
form = forms[0]
form["catAbb"] = ["bik"]
form["maxAsk"] = "500"
form.find_control("hasPic").items[0].selected = True
for brand in brands:
form["query"] = brand
request = form.click()
response = mechanize.urlopen(request)
text = response.read()
fileR = open('bikes.txt', 'r').read()
fileA = open('bikes.txt', 'a')
scourPage(text, fileR, fileA)
fileA.close()
next = re.findall(r'class="nplink next".{0,50}<a href=\'(.+?)\'>', text, re.DOTALL)
while len(next) != 0:
text = urllib.urlopen(next[0]).read()
fileR = open('bikes.txt', 'r').read()
fileA = open('bikes.txt', 'a')
scourPage(text, fileR, fileA)
fileA.close()
next = re.findall(r'class="nplink next".{0,50}<a href=\'(.+?)\'>', text, re.DOTALL)
このコードは、Craigslist の広告をくまなく調べて、私が望まない広告を除外しようとします。この場合、私はロード バイクを見つけようとしており、マウンテン バイクやその他の出品は避けています。
アップデート：
かなり長い間待った後、ようやくキーボードが再び実行を中断し、form = mechanize.ParseResponse(response, backwards_compat=False)ラインで停止しました。もう一度実行してみましたが、次のエラーが発生しました。
Traceback (most recent call last):
File "bikes.py", line 97, in <module>
forms = mechanize.ParseResponse(response, backwards_compat=False)
File "build/bdist.macosx-10.8-intel/egg/mechanize/_form.py", line 945, in ParseResponse
File "build/bdist.macosx-10.8-intel/egg/mechanize/_form.py", line 981, in _ParseFileEx
File "build/bdist.macosx-10.8-intel/egg/mechanize/_form.py", line 758, in feed
File "build/bdist.macosx-10.8-intel/egg/mechanize/_sgmllib_copy.py", line 110, in feed
File "build/bdist.macosx-10.8-intel/egg/mechanize/_sgmllib_copy.py", line 192, in goahead
File "build/bdist.macosx-10.8-intel/egg/mechanize/_form.py", line 654, in handle_charref
File "build/bdist.macosx-10.8-intel/egg/mechanize/_form.py", line 149, in unescape_charref
ValueError: unichr() arg not in range(0x10000) (narrow Python build)