reemplazar caracteres que no trabajan en pitón

Question

estoy usando hermosa sopa y estoy escribiendo un rastreador y tengo el siguiente código en él:

print soup.originalEncoding 
       #self.addtoindex(page, soup) 


       links=soup('a') 
      for link in links: 

       if('href' in dict(link.attrs)):     
        link['href'].replace('..', '') 
        url=urljoin(page, link['href']) 
        if url.find("'") != -1: 
         continue 
        url = url.split('?')[0] 
        url = url.split('#')[0] 
        if url[0:4] == 'http': 
         newpages.add(url) 
     pages = newpages 

El link['href'].replace('..', '') se supone que arreglar los enlaces que salen como ../contact /orderform.aspx, ../contact/requestconsult.aspx, etc. Sin embargo, no está funcionando. Los enlaces aún tienen el "..." ¿Hay algo que me falta?

Answer 1

string.replace() devuelve la cadena con los valores reemplazados. No modifica el original así que haga algo como esto:

link['href'] = link['href'].replace("..", "") 

Answer 2

No es un reemplazo en el lugar. Que tiene que hacer:

link['href'] = link['href'].replace('..', '') 

Ejemplo:

a = "abc.." 
print a.replace("..","") 
'abc' 
print a 
'abc..' 
a = a.replace("..","") 
print a 
'abc' 

Answer 3

string.replace() devuelve una copia de la cadena con caracteres reemplazados, como cadenas en Python son inmutables. Pruebe

s = link['href'].replace("..", '') 
url=urljoin(page, s)