解析网页内容的时候出现下面的错误:
D:\examples\python\export_blog>python images_parser.py
Traceback (most recent call last):
File "images_parser.py", line 157, in <module>
_test('2015-07-27-2\AudioManager使用方法.htm')#sys.argv[1])
File "images_parser.py", line 149, in _test
get_image_items(content)
File "images_parser.py", line 137, in get_image_items
parser.close()
File "D:\Python27\lib\HTMLParser.py", line 112, in close
self.goahead(1)
File "D:\Python27\lib\HTMLParser.py", line 164, in goahead
self.error("EOF in middle of construct")
File "D:\Python27\lib\HTMLParser.py", line 115, in error
raise HTMLParseError(message, self.getpos())
HTMLParser.HTMLParseError: EOF in middle of construct, at line 197, column 1
通过手工修改页面内容,发现出现问题的行是:
<a href="#" class="bds_tsina" data-cmd="tsina" title="分享到新浪微博"style="background-position:0 -104px !important"></a>
在style前面没有空格。如果增加空格,就不会出现问题了。
同样一套脚本,在Ubuntu环境上没有错误。再查看Ubuntu上保存的文件,同样没有空格,但可以正常解析。
目前只能规避,自动添加空格。不知道是否有更好的方法。