Python无法使用urllib或机械化检索表单

Question

我正在尝试使用Python填写并提交表单，但无法检索结果页面。我已经尝试过机械化和urllib / urllib2方法来发布表单，但是都遇到了问题。

我要检索的表单在这里：http:
//zrs.leidenuniv.nl/ul/start.php。该页面以荷兰语显示，但这与我的问题无关。可能值得注意的是，表单操作重定向到http://zrs.leidenuniv.nl/ul/query.php。

首先，这是我尝试过的urllib / urllib2方法：

import urllib, urllib2
import socket, cookielib

url = 'http://zrs.leidenuniv.nl/ul/start.php'
params = {'day': 1, 'month': 5, 'year': 2012, 'quickselect' : "unchecked",
          'res_instantie': '_ALL_', 'selgebouw': '_ALL_', 'zrssort': "locatie",
          'submit' : "Uitvoeren"}
http_header = {  "User-Agent" : "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.46 Safari/535.11",
                 "Accept" : "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8",
                 "Accept-Language" : "nl-NL,nl;q=0.8,en-US;q=0.6,en;q=0.4" }

timeout = 15
socket.setdefaulttimeout(timeout)

request = urllib2.Request(url, urllib.urlencode(params), http_header)
response = urllib2.urlopen(request)

cookies = cookielib.CookieJar()
cookies.extract_cookies(response, request)
cookie_handler = urllib2.HTTPCookieProcessor(cookies)
redirect_handler = urllib2.HTTPRedirectHandler()

opener = urllib2.build_opener(redirect_handler, cookie_handler)

response = opener.open(request)
html = response.read()

但是，当我尝试打印检索到的html时，我得到的是原始页面，而不是form动作所引用的页面。因此，任何关于为什么不提交表格的提示将不胜感激。

由于上述方法无效，因此我也尝试使用机械化方式提交表单。但是，这将导致ParseError包含以下代码：

import mechanize

url = 'http://zrs.leidenuniv.nl/ul/start.php'
br = mechanize.Browser()
response = br.open(url)
br.select_form(nr = 0)

最后一行以以下内容退出：“
ParseError：声明中出现意外的’-‘char”。现在，我意识到此错误可能表明DOCTYPE声明中存在错误，但是由于无法编辑表单页面，因此无法尝试其他声明。对此错误的任何帮助也将不胜感激。

在此先感谢您的帮助。

Answer 1

这是因为DOCTYPE零件格式不正确。

它还包含一些奇怪的标签，例如：

<!Co Dreef / Eelco de Graaff Faculteit der Rechtsgeleerdheid Universiteit Leiden><!e-mail [e-mail] >

尝试自己验证页面…

尽管如此，您可以剥离垃圾使机械化的HTML解析器满意：

import mechanize

url = 'http://zrs.leidenuniv.nl/ul/start.php'

br = mechanize.Browser()
response = br.open(url)
response.set_data(response.get_data()[177:])
br.set_response(response)

br.select_form(nr = 0)