Beautifulsoup web scraper问题

Question

我正在使用BeautifulSoup和mechanise从网页中查找一些内容。问题是，有时我要找的字符串找不到。我不知道有什么问题

它在许多网页上运行了好几个月，但突然停止了工作。然后我必须重新启动我的程序，并希望得到正确的结果。

问题出在data.find(text=re.compile('string to find'))上。网页总是在下载，但有时找不到字符串。我想问题可能出在加载页面的错误HTML格式上。有什么想法吗？

以下是我正在使用的代码中的一小部分，仅供您审阅

from BeautifulSoup import BeautifulSoup as soup
from mechanize import Browser
import sys, re

def get_page(url):
    mech = Browser()
    page = mech.open(url)
    return page.read()

def test():
    data = soup(get_page('some url'))

    div_pages = data.find(text=re.compile('string to find'))

    try: pager = div_pages.strip().split(' ')
    except:
        print div_pages
        sys.exit()

    print 'ok'

if __name__ == '__main__':
    test()

Answer 1

我帮助别人解决了一个类似的问题，结果是字符串的编码问题。此链接(来自他们的文档)可能会在此过程中帮助您- Beautiful Soup Gives You Unicode, Dammit