3

我正在使用 lxml.html 来解析 html 文件并从页面中获取文本。Bur现在我有一个字符串，它有一个字符'，例如Florian's，由于它，在打印输出时我得到了回溯

parent_link_id_text =  parent_link_id.xpath('./td[@width="400"]/text()')
print (SGS_Mid[0]+";"+"External"+";"+str(link_id_num[0])+";"+parent_link_id_text[0]+";"+parent_link_link[0], file = log_file_1)

UnicodeEncodeError：“ascii”编解码器无法对位置 56-58 中的字符进行编码：序数不在范围内（128）

然后我尝试了这个

print (SGS_Mid[0]+";"+"PublicFreeUrl"+";"+str(link_id_num[0])+";"+unicode(parent_link_id_text[0],"utf-8")+";"+parent_link_link[0], file = log_file_1)

我得到了回溯：

TypeError：不支持解码 Unicode

如何通过打印带有 unicode 字符的字符串来解决这个问题？

4

1 回答 1

1

不确定这是否是您问题的解决方案，但也许它会引导您朝着正确的方向前进。

在没有看到您必须实际获取数据的代码的情况下，我将推测并以编程方式猜测如何解决您的问题。

请看以下代码：

import lxml.html as lh
import urllib2

url = 'http://loremipsum.net/about.html'

doc = lh.parse(urllib2.urlopen(url))

value = doc.xpath('//p/strong/text()')[0]

print value

打印结果：

什么是'lorem ipsum'？

通过阅读 lorem ipsum 网站上的 about 页面，您可以看到返回的文本确实包含 '。

我希望这可以帮助您朝着正确的方向前进。

于 2013-10-22T16:07:13.833 回答