[python] python抓取有道词典并格式化输出的程序

费死劲了。。。。

终于做完了这个

但是还有瑕疵，有的地方不能完全输出清楚，格式有点问题。

说下思路吧，首先抓取有道词典网页版的html源代码，然后用BeautifulSoup去分析和格式化输出

分析和自学了了两天的html语言之后终于找到了需要那部分内容的tag，我喜欢科林斯词典，所以抓取了id=‘collinsResult’的数据

然后其中就遇到一个问题，<b>  </b>这个加粗的格式把词跟句断开了

就像这样：

The

<b> world </b>

is your own oyster.

然后最开始输出的时候虽然可以把加粗的那个tag去掉，但是还是保留了空行。所以我后来向干脆就把这个tag直接去掉

于是用了replace()这个函数

接下来的思路就是输出有用信息，我大概分成了四类，第一是整句（包括英文例句、中文翻译、中文例句），第二是整句加其他（英文解释后面有汉语）

第三类是带有“→”这个符号的东西，这个听特殊的，第四类是词性，音标（词性全是大写字母，音标由/ /来标记）。所以对第一类第二类用了正则表达式，能够匹配的就打印出来。

第三类用搜索，第四类直接判断大小写或者用正则。

然后要说编码的问题。由于中文标点不能用正则表达式去查找，只能手动搜索，就是查找最后一个字符是否匹配标点。很笨的用了无数判别式去分析，暂时想不到好办法（才疏学浅。。。非CS专业）

然后过程中出现了unicode和其他编码不匹配的情况，查找后发现中文标点这个字符串这个对象的类型为str而不是unicode，于是又转。这样才成功了