Resumen de Python-es, Vol 25, Envío 15
Antonio Reyes
areyespgil en gmail.com
Mie Oct 21 12:47:31 CEST 2009
Gracias Chema y Luis Miguel. Me han orientado bastante y ahora ya puedo
obtener lo que necesitaba para ejecutar el resto de mis scripts.
Saludos,
Antonio
En Wed, 21 Oct 2009 10:10:06 +0200, <python-es-request en aditel.org>
escribió:
> Envie los mensajes para la lista Python-es a
> python-es en aditel.org
>
> Para subscribirse o anular su subscripción a través de WEB
> http://listas.aditel.org/listinfo/python-es
>
> O por correo electrónico, enviando un mensaje con el texto "help" en
> el asunto (subject) o en el cuerpo a:
> python-es-request en aditel.org
>
> Puede contactar con el responsable de la lista escribiendo a:
> python-es-owner en aditel.org
>
> Si responde a algún contenido de este mensaje, por favor, edite la
> linea del asunto (subject) para que el texto sea mas especifico que:
> "Re: Contents of Python-es digest...". Ademas, por favor, incluya en
> la respuesta solo aquellas partes del mensaje a las que esta
> respondiendo.
>
>
> Asuntos del día:
>
> 1. Re: recuperar contenido html (Luis Miguel Morillas)
> 2. Re: Error de codificación de texto en CGI (Chema Cortes)
> 3. Re: Error de codificación de texto en CGI (Sergio Martín)
> 4. Re: recuperar contenido html (Chema Cortes)
> 5. Re: recuperar contenido html (Luis Miguel Morillas)
> 6. Re: recuperar contenido html (Chema Cortes)
>
>
> ----------------------------------------------------------------------
>
> Message: 1
> Date: Tue, 20 Oct 2009 22:43:58 +0200
> From: Luis Miguel Morillas <morillas en gmail.com>
> Subject: Re: [Python-es] recuperar contenido html
> To: Lista de discusión sobre python en castellano
> <python-es en aditel.org>
> Message-ID:
> <68d25cbc0910201343g698b2447g34efffd3042b165a en mail.gmail.com>
> Content-Type: text/plain; charset=ISO-8859-1
>
> El día 20 de octubre de 2009 21:56, Antonio Reyes
> <areyespgil en gmail.com> escribió:
>> Hola de nuevo,
>> Gracias a los que han contestado a mi pregunta pero creo que estaba un
>> poco
>> vaga porque apenas estoy empezando con esto de la programación y con
>> python.
>>
>> En fin, he estado intentado resolver mi problema pero sigo teniendo
>> dificultades; las planteo ahora de forma más ordenada.
>>
>> Dado un conjunto de archivos html, quiero recuperar una parte de su
>> contenido sólo si una de sus etiquetas contiene cierta condición.
>>
>> Un ejemplo de los archivos html que estoy trabajando es
>> 'article_i.html' en:
>> http://nlel.areyesp77.operaunite.com/file_sharing/
>>
>> ó desde la página donde se obtuvieron:
>>
>> http://linux.slashdot.org/story/09/10/20/137241/Deadline-Scheduling-Proposed-For-the-Linux-Kernel?art_pos=2
>>
>> Como se darán cuenta, son comentarios de un tema específico, de los
>> cuales
>> algunos tienen una etiqueta "score:número" = string
>>
>> Yo estoy interesado en recuperar el comentario sólo si su score es
>> igual a
>> "Funny" ó "Insightful", por ejemplo.
>>
>> He estado tratando con BeautifulSoup pero no logro aún relacionar el
>> score
>> con el comentario, y en consecuencia no lo logro extraer. Aedmás, para
>> obtener el string de score estoy usando un código como el de abajo pero
>> es
>> un problema porque el 'comment_score_' no es igual en todos los
>> comentarios.
>> Bueno, si alguno de ustedes me puede orientar se lo agradecería.
>>
>>
>> doc = open("/001/article_3.html")
>>
>> soup = BeautifulSoup(doc)
>> soup.prettify()
>>
>> content = soup.findAll("div",{"class":"commentBody"})
>> #print content
>>
>> score = soup.findAll("span",{"id": "comment_score_14467215"}) ##
>> if 'Insightful' in str(score):
>> print content
>> else:
>> print '%%%%%'
>>
>>
>
> La solución más rápida es la siguiente. Usa amara2 (easy_install amara)
>
> from amara.bindery import html
>
> doc =
> html.parse(r'http://nlel.areyesp77.operaunite.com/file_sharing/content/article_1.html')
> comentarios = doc.xml_select(u"//span[@class='score']")
> for c in comentarios:
> texto_comentario = unicode(c)
> if 'Funny' in texto_comentario or 'Insightful' in texto_comentario:
> print texto_comentario # haz aquí lo que consideres con el
> comentario.
>
> Es esto lo que necesitas?
>
> Saludos,
>
> -- lm
>
>
>
>> --
>> Usando el novísimo cliente de correo de Opera:
>> http://www.opera.com/mail/
>>
>> _______________________________________________
>> Lista de correo Python-es
>> http://listas.aditel.org/listinfo/python-es
>> FAQ: http://listas.aditel.org/faqpyes
>>
>
>
> ------------------------------
>
> Message: 2
> Date: Tue, 20 Oct 2009 23:05:09 +0200
> From: Chema Cortes <py en ch3m4.org>
> Subject: Re: [Python-es] Error de codificación de texto en CGI
> To: Lista de discusión sobre python en castellano
> <python-es en aditel.org>
> Message-ID: <200910202305.16863.py en ch3m4.org>
> Content-Type: text/plain; charset="iso-8859-1"
>
> El Martes, 20 de Octubre de 2009 20:00:58 Chema Cortes escribió:
>> o, incluso mejor, insertarla en la
>> misma configuración de apache (directiva "SetEnv"). ((Ésto no lo he
>> probado aún. Si alguien lo prueba que haga favor de decir si
>> funciona))
>
> Lo he probado y funciona. Basta con poner en la configuración de apache
>
> SetEnv PYTHONIOENCODING UTF8
>
> y recargar apache.
>
> Lo curioso es que también he probado con python2.6 y no necesita nada
> para
> funcionar.
>
>
> He encontrado otra solución, muy similar a la del módulo 'codecs', pero
> que
> emplea el módulo 'io':
>
> import sys, io
>
> sys.stdout=io.TextIOWrapper(sys.stdout.buffer,"utf8")
> ------------ próxima parte ------------
> Se ha borrado un mensaje que no está en formato texto plano...
> Nombre : no disponible
> Tipo : application/pgp-signature
> Tamaño : 190 bytes
> Descripción: This is a digitally signed message part.
> Url :
> /archivos/python-es/attachments/20091020/6d9c8f7b/attachment-0001.pgp
>
> ------------------------------
>
> Message: 3
> Date: Tue, 20 Oct 2009 23:47:08 +0200
> From: Sergio Martín <sergiomartinj en gmail.com>
> Subject: Re: [Python-es] Error de codificación de texto en CGI
> To: Lista de discusión sobre python en castellano
> <python-es en aditel.org>
> Message-ID: <A6A409C4-94F8-4DE1-B4BA-BF19B4AC5BBA en gmail.com>
> Content-Type: text/plain; charset=iso-8859-1; format=flowed; delsp=yes
>
> Ole ole!
> Gracias Chema, es justo lo que andaba buscando, lo he probado (lo del
> SetEnv) y va perfecto.
>
>
> El 20/10/2009, a las 23:05, Chema Cortes escribió:
>
>> El Martes, 20 de Octubre de 2009 20:00:58 Chema Cortes escribió:
<recorte>
>>
>> Lo he probado y funciona. Basta con poner en la configuración de
>> apache
>>
>> SetEnv PYTHONIOENCODING UTF8
>>
>> y recargar apache.
>>
>> Lo curioso es que también he probado con python2.6 y no necesita
>> nada para
>> funcionar.
>>
>>
>> He encontrado otra solución, muy similar a la del módulo 'codecs',
>> pero que
>> emplea el módulo 'io':
>>
>> import sys, io
>>
>> sys.stdout=io.TextIOWrapper(sys.stdout.buffer,"utf8")
>> _______________________________________________
>> Lista de correo Python-es
>> http://listas.aditel.org/listinfo/python-es
>> FAQ: http://listas.aditel.org/faqpyes
>
>
>
> ------------------------------
>
> Message: 4
> Date: Wed, 21 Oct 2009 04:23:07 +0200
> From: Chema Cortes <py en ch3m4.org>
> Subject: Re: [Python-es] recuperar contenido html
> To: Lista de discusión sobre python en castellano
> <python-es en aditel.org>
> Message-ID: <200910210423.14029.py en ch3m4.org>
> Content-Type: text/plain; charset="iso-8859-1"
>
> El Martes, 20 de Octubre de 2009 22:43:58 Luis Miguel Morillas escribió:
>
>
>> La solución más rápida es la siguiente. Usa amara2 (easy_install amara)
>>
>> from amara.bindery import html
>>
>> doc =
>> html.parse(r'http://nlel.areyesp77.operaunite.com/file_sharing/content/art
>> icle_1.html') comentarios = doc.xml_select(u"//span[@class='score']")
>> for c in comentarios:
>> texto_comentario = unicode(c)
>> if 'Funny' in texto_comentario or 'Insightful' in texto_comentario:
>> print texto_comentario # haz aquí lo que consideres con el
>> comentario.
>>
>> Es esto lo que necesitas?
>
> Por lo que se ve, hay que relacionar la puntuación con los comentarios.
> He
> probado un poco y lo he conseguido con el '..' de XPath para subir un
> nivel:
>
>
> from amara.bindery import html
>
> doc=html.parse(r'http://nlel.areyesp77.operaunite.com/file_sharing/content/article_1.html')
> comentarios=doc.xml_select(u"//div[@class='commentBody']/..")
> for c in comentarios:
> score=unicode(c.xml_select(u"//span[@class='score']")[0]))
> if u'Funny' in score or u'Insightful' in score:
> comment=unicode(c.div[1])
> print score, comment
>
>
>
> Por cierto, Luis Miguel, el ftp de Uche no estaba operativo. Me he
> tenido que
> instalar Amara a través del repositorio mercurial.
> ------------ próxima parte ------------
> Se ha borrado un mensaje que no está en formato texto plano...
> Nombre : no disponible
> Tipo : application/pgp-signature
> Tamaño : 190 bytes
> Descripción: This is a digitally signed message part.
> Url :
> /archivos/python-es/attachments/20091021/2c958255/attachment-0001.pgp
>
> ------------------------------
>
> Message: 5
> Date: Wed, 21 Oct 2009 07:28:39 +0200
> From: Luis Miguel Morillas <morillas en gmail.com>
> Subject: Re: [Python-es] recuperar contenido html
> To: Lista de discusión sobre python en castellano
> <python-es en aditel.org>
> Message-ID:
> <68d25cbc0910202228v2bbc9707lb3acaec4b22cb248 en mail.gmail.com>
> Content-Type: text/plain; charset=ISO-8859-1
>
> El día 21 de octubre de 2009 04:23, Chema Cortes <py en ch3m4.org> escribió:
>> El Martes, 20 de Octubre de 2009 22:43:58 Luis Miguel Morillas escribió:
>>
>>
<recorte>
>>
>> Por lo que se ve, hay que relacionar la puntuación con los comentarios.
>> He
>> probado un poco y lo he conseguido con el '..' de XPath para subir un
>> nivel:
>>
>>
>> from amara.bindery import html
>>
>> doc=html.parse(r'http://nlel.areyesp77.operaunite.com/file_sharing/content/article_1.html')
>> comentarios=doc.xml_select(u"//div[@class='commentBody']/..")
>> for c in comentarios:
>> score=unicode(c.xml_select(u"//span[@class='score']")[0]))
>> if u'Funny' in score or u'Insightful' in score:
>> comment=unicode(c.div[1])
>> print score, comment
>>
>>
>
> Claro, Chema. Yo sólo estaba seleccionando los scores, que no sirven
> para nada.
>
>>
>> Por cierto, Luis Miguel, el ftp de Uche no estaba operativo. Me he
>> tenido que
>> instalar Amara a través del repositorio mercurial.
>>
> Sí, Uche ha tenido problemas con algunos servidores. Actualmente los
> repositorios oficiales son http://bitbucket.org/uche/amara/ y
> http://bitbucket.org/uche/akara/ . Y los ftps están en
> ftp://hg.akara.info/pub/nightlies/ La documentación está en
> http://wiki.xml3k.org/Amara2 y la gestión del proyecto pasa por
> http://trac.xml3k.org Estoy un poco liado y tengo que reestructurar
> bastante información :-P
>
> Estamos preparando también instaladores con y sin virtualenv, pero
> buildout nos ha defraudado y estamos retomando otras posibilidades.
>
> -- lm
>
>> _______________________________________________
>> Lista de correo Python-es
>> http://listas.aditel.org/listinfo/python-es
>> FAQ: http://listas.aditel.org/faqpyes
>>
>
>
> ------------------------------
>
> Message: 6
> Date: Wed, 21 Oct 2009 10:09:50 +0200
> From: Chema Cortes <pych3m4 en gmail.com>
> Subject: Re: [Python-es] recuperar contenido html
> To: Lista de discusión sobre python en castellano
> <python-es en aditel.org>
> Message-ID:
> <2c9fb0dd0910210109w1980a26dx62f88d11b1e9625d en mail.gmail.com>
> Content-Type: text/plain; charset=ISO-8859-1
>
> El día 21 de octubre de 2009 07:28, Luis Miguel Morillas
> <morillas en gmail.com> escribió:
>> El día 21 de octubre de 2009 04:23, Chema Cortes <py en ch3m4.org>
>> escribió:
<recorte>
>> Sí, Uche ha tenido problemas con algunos servidores. Actualmente los
>> repositorios oficiales son http://bitbucket.org/uche/amara/ y
>> http://bitbucket.org/uche/akara/ . Y los ftps están en
>> ftp://hg.akara.info/pub/nightlies/ La documentación está en
>> http://wiki.xml3k.org/Amara2 y la gestión del proyecto pasa por
>> http://trac.xml3k.org Estoy un poco liado y tengo que reestructurar
>> bastante información :-P
>
> Yo lo decía, más que nada, por ser de este ftp de donde tira el
> "easy_install". Deberíais actualizar la URL en el PyPi.
>
>
>> Estamos preparando también instaladores con y sin virtualenv, pero
>> buildout nos ha defraudado y estamos retomando otras posibilidades.
>
>
> # ¡Lo bonito que hubiera sido un proyecto de colaboración para aplicar
> amara al HL7!
> # Lamentablemente, se sale de mis competencias :-(
>
>
> ------------------------------
>
> _______________________________________________
> lista de correo Python-es
> http://listas.aditel.org/listinfo/python-es
> FAQ: http://listas.aditel.org/faqpyes
>
> Fin de Resumen de Python-es, Vol 25, Envío 15
> *********************************************
------------ próxima parte ------------
_______________________________________________
Lista de correo Python-es
http://listas.aditel.org/listinfo/python-es
FAQ: http://listas.aditel.org/faqpyes
Más información sobre la lista de distribución Python-es