打印相同的HTTPResponse对象会返回不同的输出

Question

def crawl(url):
    html = getHTML(url) # getHTML() retruns HTTPResponse
    print(html.read()) # PRINT STATMENT 1
    if (html == None):
        print("Error getting HTML")
    else:
        # parse html
        bsObj = BeautifulSoup(html, "lxml")
        # print data
        try:
            print(bsObj.h1.get_text())
        except AttributeError as e:
            print(e)

        print(html.read()) # PRINT STAETMENT 2

我不明白的是。。你知道吗

打印语句1打印整个html，而打印语句2只打印b''

这里发生了什么事。。我对Python很陌生。你知道吗

Answer 1

html是一个HTTPResponse对象。HTTPResponse支持类似文件的操作，例如read()。你知道吗

就像读取文件时一样，read()消耗可用数据并将文件指针移动到文件/数据的端。随后的read()没有返回任何内容。你知道吗

您有两种选择：

1. 使用seek()方法读取后将文件指针重置为开头：

   print(html.read())
   html.seek(0) # moves the file pointer to byte 0 relative to the start of the file/data
   

2. 改为保存结果：

   html_body = html.read()
   print(html_body)
   

通常，您会使用第二个选项，因为它更容易重用html_body