Python-сообщество

Есть код для получения содержимого веб страницы с помощью библиотеки grablib (Python 2.7 win)

from grab import Grab
g = Grab()
g.go('http://www.apteka.ua/article/145799?print=1')

g.search(u"843")

g.search(u"apteka")

g.search(u"здоровья")

——

RUSSIAN WAR CRIMES IN UKRAINE

Отредактировано agryn (Июнь 3, 2012 22:26:55)

Задача несколько нетипичная для парсинга. Обычно нужен конкретный элемент(ы) DOM-дерева.
Способ в лоб -

 
from grab import Grab
g = Grab()
g.go('http://www.apteka.ua/article/145799?print=1')
s = g.response.body #тело ответа
lst = s.split()
word = "аптек"
for i in xrange(0,len(lst)):
    if lst[i].find(word) != -1:
        print "Search success! word - %s Index - %s"%(lst[i],i)

agryn, а что конкретно ты хочешь сделать?

>>> g.search(u'здоровья')
True

search(self, anchor, byte=False) method of grab.base.Grab instance
Search the substring in response body.

:param anchor: string to search
:param byte: if False then `anchor` should be the
unicode string, and search will be performed in `response.unicode_body()`
else `anchor` should be the byte-string and
search will be performed in `resonse.body`

If substring is found return True else False.

hedint
word = “аптек”

word = u"аптек".decode('cp1251')

> Что за лисопед? Почему бы не определять тип body по типу anchor?

Я стараюсь использовать миним магии. Мне важно знать, что пользователь Grab понимает, что он ищет. Если начать пытаться угадывать, что хочет пользователь, то придём к тому, что часть пользователей просто не будет понимать, что они делают, но не будут этого знать т.к. до поры до времени библиотека угадывала их желание. Вот, например, человек выше пишет

> так как думал что как раз проблем с кодировкой поменьше будет

Т.е. он просто хочет, чтобы проблем было меньше, не вникая в подробности. А когда проблемы всё же возникают, он не лезет в код, посмотреть как всё устроено, а просто удивляется, почему магия не сработала :)

Кстати, u“здоровья” у меня тоже находится без проблем.

> word = u“аптек”.decode('cp1251')

Что-то вы тут странное написали, если даже не вдаваться в вопрос, почему именно cp1251, то у unicode-строки вы можете вызвать encode, а не decode метод, ну или же префикс u там лишний.

Попробуйте так:
if g.response.body.find(u'WORD')>0:
blablablaGjg

В response.body содержатся байтовые, а не уникодовые данные. А ещё при использовании find метода, надо сравнивать с -1, а не нулём.

lorien
> word = u“аптек”.decode('cp1251')

Что-то вы тут странное написали, если даже не вдаваться в вопрос, почему именно cp1251, то у unicode-строки вы можете вызвать encode, а не decode метод, ну или же префикс u там лишний.