强制转换为Unicode：需要字符串或缓冲区，找到Tag

Question

我正在尝试进行网页抓取并使用以下代码：

import mechanize
from bs4 import BeautifulSoup

url = "http://www.indianexpress.com/news/indian-actions-discriminating-against-us-exp/1131015/"
br =  mechanize.Browser()
htmltext = br.open(url).read()
articletext = ""
soup = BeautifulSoup(htmltext)
for tag in soup.findAll('p'):
    articletext += tag.contents[0]
print articletext

但我收到以下错误：

Traceback (most recent call last):
  File "C:/Python27/crawler/express.py", line 15, in <module>
    articletext += tag.contents[0]
TypeError: coercing to Unicode: need string or buffer, Tag found

有人可以帮我解决这个错误，我是Python编程的新手。

Answer 1

对于找到的至少一个<p>标签， tag.contents[0]是Tag对象，而不是文本。 对于您找到的特定网址，它是<hr>标记：

>>> tag
<p><hr> </hr></p>

为什么不使用tag.text而不是tag.contents[0] ？

for tag in soup.findAll('p'):
    articletext += tag.text