Python 3.7 urllib.request 重新使用 &nbsp 而不是内容

Posted 2023-03-05

【中文标题】Python 3.7 urllib.request 重新使用 &nbsp 而不是内容

【英文标题】：Python 3.7 urllib.request reurns &nbsp instead of content

【发布时间】：2019-05-03 00:26:19

【问题描述】：

所以我编写了一个代码，可以读取和打印 html 代码中指定文本之间的所有内容，例如，读取段落之间的所有内容 - 这会被打印出来。 这是来自 sentdex 课程 - here

代码没有问题，而是出现的问题。 我用非常具体的标准过滤了

paragraphs = re.findall(r'<div style="font-size: 23px; margin-top: 20px;" class="jsdfx-sentiment-present">(.*?)</div>',str(respData))

如前所述，它有效。稍后打印内容并打印 &nbsp .据我了解，这是 HTML 中的非制动空间。我希望看到数字而不是空间。在这个网站上，这个位置的数字每隔几秒就会更新一次。

我怎样才能得到这些数字而不是接收 &nbsp？

问候！

【参考方案1】：

这取决于您下载页面的具体方式以及从何处下载，但因为您说在网络浏览器中查看该值时该值会不断变化，所以我敢打赌，当您下载该页面时，@987654322 @ 正是该 div 内部的内容 - 页面在您实际查看页面时通过 javascript 或其他方式即时更改它。您的教程使用静态标记，每次加载页面时都使用相同的标记，而不是在页面已经处于活动状态后动态设置的标记。

在 Web 开发中为动态值执行此操作相当常见 - 将占位符值放在 div 中，然后根据需要动态编辑内容。当然，如果您只是拍摄页面的快照（甚至更重要的是，如果您在 javascript 代码之前拍摄该快照，并且填充该值的其他东西有机会运行），您将不会看到更改, 得到的只是默认值，没有填写数字。

根据您链接的教程，您可能正在使用urllib。如果您想从 HTML 页面获取动态内容，那可能不是最好的工具 - 您应该查看 selenium 和 BeautifulSoup。 This *** Answer 详细介绍了该问题的有效解决方案。

【讨论】：

谢谢你，感谢你如此深入地回答:)