搜索

首页  >  问答  >  正文

python lxml解析中文的问题

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'xe6x80xa7xe8xb4xa8']
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'xe6x80xa7xe8xb4xa8'或者u'u6027u8d28'

高洛峰高洛峰2765 天前607

全部回复(2)我来回复

  • 淡淡烟草味

    淡淡烟草味2017-05-18 10:46:31

    雷雷

    回复
    0
  • 滿天的星座

    滿天的星座2017-05-18 10:46:31

    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
    

    回复
    0
  • 取消回复