调用变量时python urlib2失败

Question

我正在用漂亮的汤来报废数据。我有一个要循环我的代码的urls列表，所以我需要在urllib2.Request命令中包含一个变量。当我向urllib2.Request添加一个变量时，我得到了这个错误(urllib2.py的第1240行)：

raise URLError('unknown url type: %s' % type)

这是我的代码：

from bs4 import BeautifulSoup
import urllib2

webstring = "/DIRECTORY/"+"'"  
webfull = "urllib2.Request('http://www.caao.org"+webstring+", None, headers)"

print webfull

#webfull prints: urllib2.Request('http://www.caao.org/DIRECTORY/', None, headers)

headers = { 'User-Agent' : 'Mozilla/5.0' }
html = urllib2.urlopen(webfull).read()
soup = BeautifulSoup(html)

print soup

变量webfull输出正确的代码。我可以把它剪切并粘贴到urlopen中，它会工作的。就像这样：

from bs4 import BeautifulSoup
import urllib2

headers = { 'User-Agent' : 'Mozilla/5.0' }
html = urllib2.urlopen(urllib2.Request('http://www.caao.org/DIRECTORY/', None, headers)).read()
soup = BeautifulSoup(html)

print soup

我尝试使用多个网站作为测试，我也尝试在某些字符串上使用三重双引号(如下面所示)，但我总是得到相同的unknown url type错误。

webstring = "/DIRECTORY/"+"'"
web1 = """'http://www.caao.org"""+webstring+", None, headers)"

作为附带说明：

我对python很陌生，我试图从同一个网站中的多个页面中抓取数据。上面的代码是让我在每个页面上运行我漂亮的汤代码的URL列表。如果有更简单的方法循环遍历URL列表，并使用urllib2.urlopen打开每个页面，以便我可以运行我的刮取代码，请告诉我。

Answer 1

只需动态地构造您的URL，然后将其传递给函数。不要传递您想要调用的函数的字符串表示形式--这是行不通的。

from bs4 import BeautifulSoup
import urllib2

headers = { 'User-Agent' : 'Mozilla/5.0' }

webstring = "/DIRECTORY/"
url = "http://www.caao.org"+webstring

html = urllib2.urlopen(urllib2.Request(url, None, headers)).read()
soup = BeautifulSoup(html)

print soup

Answer 2

您在这里遇到的问题是，您试图将字符串解释为一段代码。

urllib期望的是，当您传入一个字符串时，它将是一个字符串。你应该做的是：

from bs4 import BeautifulSoup
import urllib2

webstring = "/DIRECTORY/" 
url = "http://www.caao.org"+webstring

headers = { 'User-Agent' : 'Mozilla/5.0' }
html = urllib2.urlopen(urllib2.Request(url, None, headers)).read()
soup = BeautifulSoup(html)

print soup

其中的字符串就是您想要的url，然后将它传递到urllib2.Request中。