Die Verwendung von lxml zum Erfassen chinesischer Schriftzeichen ist sehr schmerzhaft. Ich weiß nicht, wie ich damit umgehen soll ...
comUrl="http://m.51job.com/search/codetail.php?coid=4108723"
res=requests.get(comUrl)
html=etree.HTML(res.text)
p=html.xpath("//aside")[1].xpath("./p") #结果为[<Element p at 0x7bf01c8>, <Element p at 0x78f4408>, <Element p at 0x69db388>]
p[0].xpath("./span/text()") #这个是想要抓取的字符
Das Ergebnis sieht so aus: [u'xe6x80xa7xe8xb4xa8']
unicode, aber der Inhalt ist str-kodiert. Wie konvertiert man das Ding ins Chinesische?
Normalerweise sollte es „xe6x80xa7xe8xb4xa8“ oder „u'u6027u8d28“ sein
出现这种情况,一般是requests猜错了网页的编码了
因此指定requests的编码就可以了.
res.encoding ='utf-8'