强制转换为 Unicode：需要字符串或缓冲区，找到标记

Posted 2023-02-23

【中文标题】强制转换为 Unicode：需要字符串或缓冲区，找到标记

【英文标题】：coercing to Unicode: need string or buffer, Tag found

【发布时间】：2013-11-23 22:04:40

【问题描述】：

我正在尝试进行网页抓取并使用以下代码：

import mechanize
from bs4 import BeautifulSoup

url = "http://www.indianexpress.com/news/indian-actions-discriminating-against-us-exp/1131015/"
br =  mechanize.Browser()
htmltext = br.open(url).read()
articletext = ""
soup = BeautifulSoup(htmltext)
for tag in soup.findAll('p'):
    articletext += tag.contents[0]
print articletext

但我收到以下错误：

Traceback (most recent call last):
  File "C:/Python27/crawler/express.py", line 15, in <module>
    articletext += tag.contents[0]
TypeError: coercing to Unicode: need string or buffer, Tag found

谁能帮我解决这个错误，我是 Python 编程新手。

【参考方案1】：

对于至少找到一个<p> 标记，tag.contents[0] 是一个Tag 对象，而不是文本。对于您找到的具体网址，它是一个<hr> 标签：

>>> tag
<p><hr> </hr></p>

为什么不用tag.text 而不是tag.contents[0]？

for tag in soup.findAll('p'):
    articletext += tag.text

【讨论】：

是的，这有帮助。非常感谢。