python - 爬网页时 unicode 和 utf-8的编码问题
PHP中文网
PHP中文网 2017-04-17 11:16:30
[Python讨论组]

我爬的网页源码顶端写的是 <meta charset="utf-8">
我在浏览器打开源码看到我想要的信息也是中文,
不过在urllib2.urlopen(url).read()输出来的却是类似于
&#38472;&#39062;
这种unicode编码
然后我使用 .encode('utf-8')也没有效果。。
请问该怎么转成中文?
(我的python程序是coding:utf-8)

PHP中文网
PHP中文网

认证0级讲师

全部回复(3)
迷茫
import HTMLParser 
h = HTMLParser.HTMLParser() 
print h.unescape("&#38472;&#39062;").encode("utf-8") 
陈颖
ringa_lee

那可以试试这样:

>>> h = HTMLParser.HTMLParser()
>>> import HTMLParser
>>> h = HTMLParser.HTMLParser()
>>> print h.unescape('&#38472;&#39062;')
陈颖
ringa_lee

&#开头都是HTTP转义的,可以用HTTPParser解码啊

热门教程
更多>
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责申明 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送
PHP中文网APP
随时随地碎片化学习
PHP中文网抖音号
发现有趣的

Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号