首頁  >  問答  >  主體

python lxml解析中文的問題

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2712 天前567

全部回覆(2)我來回復

  • 淡淡烟草味

    淡淡烟草味2017-05-18 10:46:31

    雷雷

    回覆
    0
  • 滿天的星座

    滿天的星座2017-05-18 10:46:31

    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
    

    回覆
    0
  • 取消回覆