Ошибка с функцией parse в lxml

Я установил lxml2.2.2 на платформу Windows (я использую версию python 2.6.5). Я пробовал эту простую команду:

from lxml.html import parse 
p= parse(‘http://www.google.com’).getroot()

но я получаю следующую ошибку:

Traceback (most recent call last):
File "", line 1, in p=parse(‘http://www.google.com’).getroot()
File "C:\Python26\lib\site-packages\lxml-2.2.2-py2.6-win32.egg\lxml\html_init_.py", line 661, in parse return etree.parse(filenameorurl, parser, baseurl=baseurl, **kw) 
File "lxml.etree.pyx", line 2698, in lxml.etree.parse (src/lxml/lxml.etree.c:49590) 
File "parser.pxi", line 1491, in lxml.etree.parseDocument (src/lxml/lxml.etree.c:71205) File "parser.pxi", line 1520, in lxml.etree.parseDocumentFromURL (src/lxml/lxml.etree.c:71488) 
File "parser.pxi", line 1420, in lxml.etree.parseDocFromFile (src/lxml/lxml.etree.c:70583)
File "parser.pxi", line 975, in lxml.etree.BaseParser.parseDocFrom
File (src/lxml/lxml.etree.c:67736)
File "parser.pxi", line 539, in lxml.etree.ParserContext.handleParseResultDoc (src/lxml/lxml.etree.c:63820) 
File "parser.pxi", line 625, in lxml.etree.handleParseResult (src/lxml/lxml.etree.c:64741)
File "parser.pxi", line 563, in lxml.etree._raiseParseError (src/lxml/lxml.etree.c:64056)
IOError: Error reading file ‘http://www.google.com’: failed to load external entity "http://www.google.com"

Я не знаю, что делать дальше, поскольку я новичок в python. пожалуйста, помогите мне решить эту ошибку. заранее спасибо!!:)

Ответ 1

~~lxml.html.parse не извлекает URL-адреса.~~

Здесь, как это сделать с urllib2:

>>> from urllib2 import urlopen
>>> from lxml.html import parse
>>> page = urlopen('http://www.google.com')
>>> p = parse(page)
>>> p.getroot()
<Element html at 1304050>

Обновление
Стивен прав. lxml.etree.parse должен принимать и загружать URL-адреса. Я пропустил это. Я пробовал удалить этот ответ, но мне не разрешено.

Я отклоняю свое утверждение о том, что он не запрашивает URL-адреса.

Ответ 2

Согласно api docs, он должен работать: http://lxml.de/api/lxml.html-module.html#parse

Кажется, это ошибка в lxml 2.2.2. Я просто тестировал на windows с python 2.6 и 2.7, и он работает с 2.3.0.

Итак: обновите свой lxml, и все будет в порядке.

Я не знаю точно, в каких версиях lxml проблема возникает, но я считаю, что проблема была не столько в самом lxml, а в версии libxml2, используемой для сборки двоичных файлов Windows. (некоторые версии libxml2 имели проблему с http на окнах)

Ответ 3

Так как разрывы строк не допускаются в комментариях, здесь моя реализация MattH отвечает:

from urllib2 import urlopen
from lxml.html import parse

site_url = ('http://www.google.com')

try:
    page = parse(site_url).getroot()
except IOError:
    page = parse(urlopen(site_url)).getroot()