使用 urllib2 从 html 中提取数据显示错误格式不正确（无效标记）：第 5 行，第 62 列答案

【问题标题】：Extract data from html using urllib2 shows error not well-formed (invalid token): line 5, column 62使用 urllib2 从 html 中提取数据显示错误格式不正确（无效标记）：第 5 行，第 62 列
【发布时间】：2014-10-15 04:58:16
【问题描述】：

我有一个代码可以将货币从印度卢比转换为美元，并且我正在使用谷歌货币转换器 API，

使用的代码：

url="https://www.google.com/finance/converter?a=%s&from=%s&to=%s"(total_incl_tax,'INR','USD')

file = urllib2.urlopen(url)
data = file.read()
print "dataaaaaaaaaaaaaaa",data
file.close()
dom = parseString(data)
xmlTag = dom.getElementsByTagName('span')[0].toxml()
xmlData=xmlTag.replace('<span>','').replace('</span>','')
print "dommmmmmmmmmmmmmmmmmmmmmmmmmmmmm",xmlData

当我使用这个时，我收到以下错误，格式不正确（无效令牌）：第 5 行，第 62 列。我如何从 html 中获取数据并且数据在 span 标签之间。请帮忙？

【问题讨论】：

标签： html python-2.7 web-scraping

【解决方案1】：

您在尝试解析字符串时遇到错误：

dom = parseString(data)

这是因为问题中提到的 URL 是invalid XML。但是对于 valid XML，解析器按预期工作。

专业提示：不要使用 urllib2 或 xml.dom.minidom，而是使用 requests 和 beautifulsoup。

【讨论】：