html - read - python modulo io

Convierta io.BytesIO a io.StringIO para analizar la página HTML

Question

Estoy tratando de analizar una página HTML que recuperé a través de pyCurl, pero el pyCurl WRITEFUNCTION está devolviendo la página como BYTES y no como cadena, por lo que no puedo analizarlo usando BeautifulSoup.

¿Hay alguna forma de convertir io.BytesIO a io.StringIO?

¿O hay alguna otra forma de analizar la página HTML?

Estoy usando Python 3.3.2.

Answer 1

Un enfoque ingenuo:

# assume bytes_io is a `BytesIO` object
byte_str = bytes_io.read()

# Convert to a "unicode" object
text_obj = byte_str.decode(''UTF-8'')  # Or use the encoding you expect

# Use text_obj how you see fit!
# io.StringIO(text_obj) will get you to a StringIO object if that''s what you need