name 'html_cont' is not defined

Question

#coding=utf-8
from bs4 import BeautifulSoup
import re
import urlparse


class htmlparser(object):
    
    
    def _get_new_urls(self, page_url, soup):
        new_urls=set()
        links=soup.find_all('a',href=re.compile(r"/view/\d+\.htm"))
        for link in links:
            new_url=link['href']
            new_full_url=urlparse.urljoin(page_url,new_url)
            new_urls.add(new_full_url)
        return new_urls
    
    def _get_new_data(self, page_url, soup):
        res_data={}
        
        res_data['url']=page_url
        
#         <dd class="lemmaWgt-lemmaTitle-title">
#         <h1>Python</h1>
        title_node=soup.find('dd',class="lemmaWgt-lemmaTitle-title".find("h1"))  # @UnusedVariable
        res_data['title']=title_node.get_text()
        
#         <div class="lemma-summary" label-module="lemmaSummary">
#         <div class="para" label-module="para">
        summary_node=soup.find('div',class='lemma-summary')
        res_data['summary']=summary_node.get_text()
        
        return res_data
        
    
    def parse(self,page_url,html_cont):
        if page_url is None or html_cont is None:
            return 
        
        soup=BeautifulSoup(html_cont,'html.parser',from_encoding='utf-8')
        new_urls=self._get_new_urls(page_url,soup)
        new_data=self._get_new_data(page_url,soup)
        return new_urls,new_data
    
    
html_cont和page_url一直说未定义
NameError: name 'html_cont' is not defined

Answer 1

这说明你在调用parse这个方式时，传入的参数不正确

Answer 2

问题不在这个文件里吧这个文件就是拿到html_cont里的数据进行soup处理，问题应该在html_loader文件里你这个报错不是从spidermain运行之后报出来的错误吗

Answer 3

你这两个变量，需要传参数进去的。之前调用这个parse（）方法的时候应该会把html_cont 和page_url传进去才对。