无法解决：TypeError：预期的字符串或缓冲区

Question

我正在尝试编写一个代码，通过查找跨度标签和其中的数字来从 HTML 中删除数字。

我不断收到错误“预期的字符串或缓冲区”。

我在搜索不同的问题时阅读了一些解决方案，但是当我尝试 " ''.join(some_list)" 时，我又遇到了另一个错误：

“序列项0：预期字符串，找到标签”

试图搜索那个，看到了一些解决方案，例如使用.get 而不是re.findall，但错误仍然出现。

代码：

import urllib
from BeautifulSoup import *
url = raw_input('Enter the URL:')
stri = urllib.urlopen(url).read()
soup = BeautifulSoup(stri)

#retrieve of the span tags

spans = ''.join(soup('span'))
numlist = list()
for tag in spans:
    num = int(re.findall('[0-9]+', tag))
    numlist.append(num)
print(numlist)

我看到了针对此类错误的几种解决方案，但似乎无法解决。

我错过了什么？

我添加了 tag.text，错误已更改为另一个错误，现在我得到： "Errno 11004] getaddrinfo 失败"

我看了不同的帖子都解决不了，所以我一行一行的跑代码看问题出在哪里，发现是在运行原代码第四句的时候出现的：

html = urllib.urlopen(url).read()

请帮忙？

Answer 1

tag 是一个Tag 对象，其中包含大量信息，而不仅仅是一个字符串。如果您希望标签内的文本不带任何标记，请使用tag.text，例如：

spans = ''.join(tag.text for tag in soup('span'))
# now `for tag in spans:` makes no sense because spans is a string

或

spans = soup('span')
for tag in spans:
    num = len(re.findall('[0-9]+', tag.text))  # note len, not int