Vale, gracias ya solucioné casi todo, ahora el problema es en esta última función, que dada una url, y 4 etiquetas: las 2 primeras indican desde que linea hasta que linea quiero buscar lo que voy a copiar, y las dos siguientes son las etiquetas que delimitan los elementos que voy a añadir a mi lista, entonces doy esto:
m=[]
def posiciones(linea,palabra1,palabra2,inic):
l1=linea.find(palabra1,inic)
l2=linea.find(palabra2,inic)
if l1==-1 or l2==-1:
return m
else:
m.append(linea[l1:l2+len(palabra2)])
inic=l2+len(palabra2)-1
return posiciones(linea,palabra1,palabra2,inic)
def limpia(lista):
nuevalista=[]
for i in m:
nuevalista.append(clean(i))
return nuevalista
def encuentrainiciocopiar(lineas,etiqueta1,etiqueta2):
lineaquemiro=1
x=0
for linea in lineas:
if linea.find(etiqueta1)!=-1:
x=lineaquemiro
lineaquemiro+=1
y=0
lineaquemiro2=1
for linea in lineas:
if linea.find(etiqueta2)!=-1:
y=lineaquemiro2
lineaquemiro2+=1
return x,y
def enlistar(url,etiqueta1,etiqueta2,etiqueta3,etiqueta4):
texto=urllib.urlopen(url)
lineas=texto.readlines()
i,j=encuentrainiciocopiar(lineas,etiqueta1,etiqueta2)
for linea in range(i,j+1):
l=posiciones(linea,etiqueta3,etiqueta4,0)
return l
Y me dan estos errores:
enlistar('
http://transparencia.gob.es/es_ES/buscar/contenido/cibi/CIBI_DPTO26','<thead>','</thead>','<th>','</th>')
Traceback (most recent call last):
File "<ipython-input-64-40457839f07a>", line 1, in <module>
enlistar('
http://transparencia.gob.es/es_ES/buscar/contenido/cibi/CIBI_DPTO26','<thead>','</thead>','<th>','</th>')
File "C:/Users/Adri/Desktop/clean.py", line 53, in enlistar
l=posiciones(linea,etiqueta3,etiqueta4,0)
File "C:/Users/Adri/Desktop/clean.py", line 20, in posiciones
l1=linea.find(palabra1,inic)
AttributeError: 'int' object has no attribute 'find'
Me debería dar esta lista:
['<th>Tipo</th>',
'<th>Localizacion</th>',
'<th>Uso</th>',
'<th>Ministerio</th>',
'<th>Superficie</th>']
Ahora si que no veo el error, un saludo!