Я пытаюсь проанализировать некоторые данные из Интернета с помощью BeautifulSoup. Пока что я получил нужные мне данные из таблицы, используя следующий код:
def webParsing(canvas):
url='http://www.cmu.edu/dining/hours/index.html'
try:
page= urllib.urlopen(url)
except:
print 'Error while opening html file. Please ensure that you',
print ' have a working internet connection.'
return
sourceCode=page.read()
soup=BeautifulSoup(sourceCode)
#heading=soup.html.body.div
tableData=soup.table.tbody
parseTable(canvas,tableData)
def parseTable(canvas,tableData):
canvas.data.hoursOfOperation=dict()
rowTag='tr'
colTag='td'
for row in tableData.find_all(rowTag):
row_text=[]
for item in row.find_all(colTag):
text=item.text.strip()
row_text.append(text)
(locations,hoursOpen)=(row_text[0],row_text[1])
locations=locations.split(',')
for location in locations:
canvas.data.hoursOfOperation[location]=hoursOpen
print canvas.data.hoursOfOperation
Как видите, «элементы» в первом столбце сопоставляются с элементами во втором столбце с помощью словаря. Данные в значительной степени соответствуют тому, что я хотел бы при печати, однако в python в этих строках много форматирования, например '\ n', '\ xe9' или '\ n \ xao'. Есть ли способ удалить все форматирование? Другими словами, удалить все символы новой строки, все, что представляет конкретную кодировку, все, что представляет собой символ с диакритическими знаками, и просто получить строковый литерал? Мне не нужен самый эффективный или безопасный метод, я начинающий программист, поэтому желательно, чтобы самый простой метод был оценен по достоинству! Спасибо!
