RSS-Feed hat ein "\ n" am Anfang. Wie entferne ich es? - Python

Question

Ich versuche, Daten aus diesem Feed zu ziehen:

http://realbusiness.co.uk/feed/

Jedoch unterscheidet sie sich von der anderen sieht Feeds Ich ziehe aus. Sie sehen wie folgt aus:

https://www.ft.com/companies?format=rss

Wenn ich Daten ziehen aus „https://www.ft.com/companies?format=rss“ alles ist ziemlich geradlinig, wie ich minidom bin mit der Daten in Scheiben schneiden und ziehen alles, was ich wie so brauchen:

from xml.dom import minidom 
from urllib.request import urlopen 

url = 'https://www.ft.com/companies?format=rss&page=1' 
html = urlopen(url) 
dom = minidom.parse(html) 
item = dom.getElementsByTagName('item') 
for node in item: 
    pubdate = node.getElementsByTagName('pubDate')[0].childNodes[0].nodeValue 
    link = node.getElementsByTagName('link')[0].childNodes[0].nodeValue 
    title = node.getElementsByTagName('title')[0].childNodes[0].nodeValue 

Allerdings, wenn ich versuchen und tun das gleiche für "http://realbusiness.co.uk/feed/" mit dem folgenden Code:

from xml.dom import minidom 
from urllib.request import urlopen 

url = 'http://realbusiness.co.uk/feed/' 
html = urlopen(url) 
dom = minidom.parse(html) 

I erhalten den folgenden Fehler:

Traceback (most recent call last): 
    File "C:/Users/NAME/Desktop/Scripts/scrapesites/deleteme.py", line 6, in <module> 
    dom = minidom.parse(html) 
    File "C:\Python36\lib\xml\dom\minidom.py", line 1958, in parse 
    return expatbuilder.parse(file) 
    File "C:\Python36\lib\xml\dom\expatbuilder.py", line 913, in parse 
    result = builder.parseFile(file) 
    File "C:\Python36\lib\xml\dom\expatbuilder.py", line 207, in parseFile 
    parser.Parse(buffer, 0) 
xml.parsers.expat.ExpatError: XML or text declaration not at start of entity: line 2, column 0 

Meine Schlussfolgerung, warum dies auftritt, ist, weil die rss Struktur der beiden Standorte leicht unterschiedlich sind. 'http://realbusiness.co.uk/feed/' hat ein '\ n' in der ersten Zeile der Seite, während 'https://www.ft.com/companies?format=rss' nicht.

Wie gehe ich zum Löschen der "\ n", damit ich die Daten analysieren kann?

Wenn ich falsch mit meiner Lösung bin, was wäre die richtige Lösung?

Vielen Dank im Voraus.

Answer 1

Es könnte durch das Lesen der \n Charakter arbeiten, bevor wie so Parsen:

html = urlopen(url) 
html.read(1) 
dom = minidom.parse(html)