摘要：作为非英语用户的我们，日常编程中一旦涉及到字符串的处理，我们就必须考虑到字符串的字符集与编码问题。具体说来，就是一个表示字符串的二进制流应该如何解释，哪些片段表示哪个字符。例如，第一位到第十六位是不是表示一个字符，这个字符究竟是什么字符，是“中”，还是“国”，是”B”还是“β”。此外，现在的字符集和... 阅读全文

摘要：续上篇文章，网页抓取到手之后就是解析网页了。在Python中解析网页的库不少，我最开始使用的是BeautifulSoup，貌似这个也是Python中最知名的HTML解析库。它主要的特点就是容错性很好，能很好地处理实际生活中各种乱七八糟的网页，而且它的API也相当灵活而且丰富。但是我在自己的正文提取项... 阅读全文

摘要：用Python编一个抓网页的程序是非常快的，下面就是一个例子：import urllib2 html = urllib2.urlopen('http://blog.raphaelzhang.com').read()但是在实际工作中，这种写法是远远不够的，至少会遇到下面几个问题：网络会出错，任何错误都... 阅读全文