python lxml解析中文的問題
高洛峰
高洛峰 2017-05-18 10:44:31
0
2
615

使用lxml來抓取中文字元,抓到的結果很頭痛,不知道怎麼處理...

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

結果抓到的是這樣的[u'\xe6\x80\xa7\xe8\xb4\xa8']
unicode但是內容是str的編碼,請問怎麼把這個東西轉成中文?
正常應該是'\xe6\x80\xa7\xe8\xb4\xa8'或u'\u6027\u8d28'

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,...

全部回覆(2)
淡淡烟草味

雷雷

滿天的星座

出現這種情況,一般是requests猜錯了網頁的編碼了
因此指定requests的編碼就可以了.
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
熱門教學
更多>
最新下載
更多>
網站特效
網站源碼
網站素材
前端模板