SCRAPPING con Python extrayendo Unicode para Criptografia!!! [Mini Curso Python Parte 2]

Hoy les traigo un código como abre boca ya mas tarde cuando vuelva me dispondré a explicarlo mejor:

# -*- coding: utf-8 -*-

import urllib2

from bs4 import BeautifulSoup

import re

from prettytable import PrettyTable

import os, subprocess, re

try:

    f=open("lista_en.txt")

    lista_bajada =  f.read()

    f.close()

except:

    crear_LISTA_unicode = subprocess.call("touch lista_en.txt", shell=True)

    f=open("lista_en.txt","w")

    f.write(str(lista_unicode))

    f.close()

    f=open("lista_en.txt")

    lista_bajada =  f.read()

    f.close()

if lista_bajada == False:

    url_unicode = "https://www.sciencebuddies.org/science-fair-projects/references/table-of-8-bit-ascii-character-codes"

    page = urllib2.urlopen(url_unicode)

    soup = BeautifulSoup(page, "lxml")

    name_box = soup.find('div', attrs={'class': 'content-table page-break-avoid'}) 

    name_boxaaa = soup.find('table')  

    table_headers = name_boxaaa.find_all('tr')

    contable = 0

    lista_unicode = []

    for row in table_headers:

    #if contable < 3:

        lista_unicode.append(str(row))

        contable +=1

    print contable

else:

    contable = 0

    lista_bajada = eval(lista_bajada)

    diccionario_unicode = {}

    for TRs in lista_bajada:

        contable +=1

        print contable

        print TRs

        TDs_por_cada_TR = re.findall('<td>([\S* ]+)</td>', TRs)

        Lista_tds = []

        for TDs in TDs_por_cada_TR:

            Lista_tds.append(TDs)

        if "<" in TRs:

            pop_despues= Lista_tds.pop(-1)

            Lista_tds.append("<")

            Lista_tds.append(pop_despues)

        print Lista_tds

        valor = Lista_tds[4]

        Lista_tds.pop(4)

        print Lista_tds

        print Lista_tds[4]

        diccionario_unicode[valor]= Lista_tds

        print " "

        print " "

print diccionario_unicode

### Revisamos el Valor de A para hacernos una idea

print diccionario_unicode["A"]

Breve introducción  del código:

• Revisa si existe un archivo si no existe lo crea
• Abre el archivo, si el contenido es False extrae los datos de la WEB o URL que le pasamos
• Luego va a la tabla que necesitamos y extrae los TR
• Con Expresiones Regulares extrae todos los TD de los TRs que hemos sacado
• Arreglamos un poco los TDs para pasarlo a una Lista
• Luego creamos un Diccionario y le pasamos como Valor el Value de la Tabla y todos los demas los dejamos en la lista como Clave del Valor que hemos pasado

El código nos va a permitir dar un Valor y mandarnos el Octal, Hexadecimal o Decimal del Carácter.

Hoy o mañana lo explico linea a linea así que atentos.

La salida para el Valor A es esta: ['065', '101', '041', '0100 0001', '\xc2\xa0']

Feliz Día Dios les Bendiga!!!