python lxml解析中文的问题-PHP中文网问答

文章专题 AI工具学习下载问答源码最近更新

PHP

会员中心讲师中心微信公众号

python lxml解析中文的问题

高洛峰 2017-05-18 10:44:31

[Python讨论组]

735

使用lxml来抓取中文字符,抓到的结果很蛋疼,不知道怎么处理...

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

结果抓到的是这样的 [u'\xe6\x80\xa7\xe8\xb4\xa8']
unicode但是内容是str的编码,请问怎么把这个东西转成中文?
正常应该是'\xe6\x80\xa7\xe8\xb4\xa8'或者u'\u6027\u8d28'

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，...

全部回复(2)

淡淡烟草味2017-05-18 10:46:31 2楼

''.join(map(lambda x:chr(x), map(lambda x:ord(x), u'\xe6\x80\xa7\xe8\xb4\xa8'))).decode('utf-8')

赞 +0

添加回复

滿天的星座2017-05-18 10:46:31 1楼

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

赞 +0

添加回复

专题推荐

更多>

热门话题

热门教程

更多>