BeautifulSoup HTML刮

Question

我試圖從一個網站刮文字，到目前爲止，我寫了下面的代碼：

import urllib, urllib2, cookielib, re, io, sys 
from bs4 import BeautifulSoup 

cj = cookielib.CookieJar() 
opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cj)) 

resp = opener.open('http://www.bancuri.net/formular_mail.aspx?ID=3181').read() 
soup = BeautifulSoup(resp) 
for tr in soup.find_all('p'): 
    tds = tr.find_all('justify') 
    for x in tds: 
     print x 

，我需要刮的數據是：

Categoria: Bărbaţi şi femei 
Bancul: O femeie către un bărbat la o petrecere: 
- Dumneata tare semeni cu al treilea soţ al meu. 
- Dar de cîte ori aţi fost căsătorită? 
- De două ori pînă acum. 

但它不能正常工作，而且我得到以下結果：

C:\Users\admin\Desktop>bancuri.py 
C:\Users\admin\Desktop> 

什麼可能會錯誤的任何想法？

Answer 1

我對cookielib知之甚少，但是我僅使用模塊urllib2檢索頁面，該頁面也被導入到您的代碼中。

首先，這樣的：

resp = urllib2.urlopen('http://www.bancuri.net/formular_mail.aspx?ID=3181').read() 

並獲取你需要的東西：

>>> soup = BeautifulSoup(resp) 
>>> text = soup.find('p').get_text() 
>>> print text 

Categoria: Bărbaţi şi femei 
Bancul: 

O femeie către un bărbat la o petrecere: 

- Dumneata tare semeni cu al treilea soţ al meu. 

- Dar de cîte ori aţi fost căsătorită? 

- De două ori pînă acum.