python, mechanize - 使用mechanize打开文本文件

Question

我正在学习mechanize。现在我想打开一个文本文件，页面上有一个链接，显示的是
文本 (.prn)。我遇到的一个问题是，这个页面上只有一个表单，而文件不在这个表单里。另一个问题是，这个页面上有几个文本文件，但它们的名字都是一样的——文本 (.prn)。所以我想我需要找到第一个文件并打开它。让我想要打开的文本文件有个特别的名字，叫做

Summary，也许我可以用这个名字来打开它，然后使用br.form.find_control()，或者我可以用br.click_link，如果我能找到某种方法让mechanize打开第一个标题为“Summary”的文件。

我正在访问的网页是：http://www.treasurydirect.gov/govt/reports/pd/mspd/2013/2013_feb.htm

这是我想在mechanize中打开的文本文件所在的html部分：

</div>
<!-- END LOCALNAV --> 
    <!-- BEGIN CONTENT -->
    <div id="content">
        <h1>February 2013</h1>
        <!-- InstanceBeginEditable name="content" -->
        <ul>
            <li>Summary
                <ul>
                    <li><a      href="/govt/reports/pd/mspd/2013/opds022013.pdf">Adobe Acrobat (.pdf)</a></li>
                    <li><a href="/govt/reports/pd/mspd/2013/opds022013.prn">Text (.prn)</a></li>
                </ul>
            </li>
            <li>STRIPS
                <ul>
                    <li><a href="/govt/reports/pd/mspd/2013/opdr022013.pdf">Adobe Acrobat (.pdf)</a></li>
                    <li><a href="/govt/reports/pd/mspd/2013/opdr022013.xls">Excel 5.0/95 (.xls )</a></li>
                    <li><a href="/govt/reports/pd/mspd/2013/opdr022013.prn">Text (.prn)</a></li>
                </ul>
            </li>
            <li>Entire MSPD
                <ul>
                    <li><a href="/govt/reports/pd/mspd/2013/opdx022013.xls">Excel File for Primary Dealers</a></li>
                    <li><a href="/govt/reports/pd/mspd/2013/opdm022013.pdf">Adobe Acrobat (.pdf)</a></li>
                    <li><a href="/govt/reports/pd/mspd/2013/opdm022013.xls">Excel 5.0/95 (.xls)</a></li>
                    <li><a href="/govt/reports/pd/mspd/2013/opdm022013.prn">Text (.prn)</a></li>
                </ul>
            </li>
        </ul>
        <p>Note: To read or print a PDF document, you need the Adobe Acrobat Reader (v5.0 or higher) software installed on your computer. You can download the Adobe Acrobat Reader from the <a href="/exit.htm?http://get.adobe.com/reader/">Adobe website</a>.</p>
        <p>Note: If you need <a href="/helpdownload.htm">help downloading...</a></p>
        <!-- InstanceEndEditable --> </div>
    <!-- END CONTENT --> 
    <!-- BEGIN SUBLOCALNAV -->
<div id="right">

这是我到目前为止的代码，从文本文件所在的页面之前开始：

       br = mechanize.Browser()
br.set_handle_equiv(False)
br.open(site)
print 'br.title',br.title()
allforms = list(br.forms())
br.form = allforms[0]
br.follow_link(text_regex="February", nr=0)
#br.click_link(text='February', nr=0) # this works to

#next page
print br.title()
allforms = list(br.forms())
print allforms
br.form = allforms[0]
getstuff=br.click_link(text="Text (.prn)", nr=0) # this works to
csvData=getstuff.readlines()  # this is where is get error

这是我的错误追踪信息：

Traceback (most recent call last):
File "treasury2.py", line 56, in <module>
csvData=getstuff.readlines()
 File "C:\Python27\lib\site-packages\mechanize\_urllib2_fork.py", line 173, in __getattr__
raise AttributeError, attr
AttributeError: readlines

我正在使用mechanize、BeautifulSoup、urllib、urllib2和python27。

请给我一些帮助，或者告诉我你认为我应该使用什么。

web scraping mechanize urllib beautifulsoup html parsing form handling link extraction file downloading

python, mechanize - 使用mechanize打开文本文件

1 个回答

撰写回答