Printing gleichen Httpresponse-Objekt gibt verschiedene Ausgänge - Python

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 

Was ich nicht verstehe ist ..

PRINT STATEMENT 1 druckt das ganze html während PRINT STATEMENT 2 druckt nur b''

Was passiert hier? ..Ich bin ziemlich neu in Python.

Answer 1

html ist ein HTTPResponse-Objekt. HTTPResponse unterstützt dateiähnliche Operationen wie read().

Genau wie beim Lesen einer Datei, ein read() verbraucht die verfügbaren Daten und verschiebt den Dateizeiger auf Ende der Datei/Daten. Ein anschließender read() hat nichts zu erwidern.

Sie haben zwei Möglichkeiten:

1. Setzen Sie den Dateizeiger auf den Anfang nach dem Lesen der seek() Methode:

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

2. Speichern Sie das Ergebnis statt:

   html_body = html.read() 
   print(html_body) 
   

Normalerweise würden Sie die zweite Option verwenden, da es einfacher zu verwenden ist html_body