网页爬虫 - python处理中文

Question

最近在学习python爬虫，用的scrapy，基本流程都通顺了，但是发现解析页面中文的时候比较头大。

比如抽取到的内容可能含有 《 【 等字符，这个时候怎么处理?

另外，xpath搜索的时候也有可能需要通过中文匹配，怎么破？

Answer 1

Envisagez d'utiliser une correspondance régulière.
Référez-vous à cet article : http://blog.csdn.net/gatieme/article/details/43235791

Answer 2

Utilisez utf8 pour tout

Answer 3

Python3 est bien meilleur que python2 à cet égard. Si vous le pouvez, je vous recommande d'utiliser python3

.

Answer 4

Ajouter encode("utf-8") à la chaîne analysée