Probleme mit Python lxml beim Parsen von Chinesisch
高洛峰
高洛峰 2017-05-18 10:44:31
0
2
578

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

高洛峰
高洛峰

拥有18年软件开发和IT教学经验。曾任多家上市公司技术总监、架构师、项目经理、高级软件工程师等职务。 网络人气名人讲师,...

Antworte allen(2)
淡淡烟草味
''.join(map(lambda x:chr(x), map(lambda x:ord(x), u'\xe6\x80\xa7\xe8\xb4\xa8'))).decode('utf-8')
滿天的星座

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'

In [33]: comUrl="http://m.51job.com/search/codetail.php?coid=4108723"
    ...: res=requests.get(comUrl)
    ...: res.encoding ='utf-8'
    ...: html=etree.HTML(res.text)
    ...: p=html.xpath("//aside")[1].xpath("./p")   #结果为[<Element p at 0x7b
    ...: f01c8>, <Element p at 0x78f4408>, <Element p at 0x69db388>]
    ...: p[0].xpath("./span/text()")  #这个是想要抓取的字符
    ...: 
Out[33]: [u'\u6027\u8d28']

In [34]: print _[0]
性质
Beliebte Tutorials
Mehr>
Neueste Downloads
Mehr>
Web-Effekte
Quellcode der Website
Website-Materialien
Frontend-Vorlage
Über uns Haftungsausschluss Sitemap
Chinesische PHP-Website:Online-PHP-Schulung für das Gemeinwohl,Helfen Sie PHP-Lernenden, sich schnell weiterzuentwickeln!