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

通常のマッチングの使用を検討してください。
この記事を参照してください: http://blog.csdn.net/gatieme/article/details/43235791

Answer 2

すべてに utf8 を使用してください

Answer 3

この点では、Python3 は Python2 よりもはるかに優れています。可能であれば、Python3 を使用することをお勧めします。

Answer 4

クロールされた文字列に encode("utf-8") を追加します