lxml库使用中遇到的编码问题

最新推荐文章于 2024-04-23 09:42:36 发布

bodhya

最新推荐文章于 2024-04-23 09:42:36 发布

阅读量750

点赞数

本文链接：https://blog.csdn.net/bodhya/article/details/102973099

版权

在使用lxml库处理包含中文的HTML文件时，遇到编码问题。通过设置'utf-8'编码，确保文件能正常打开并正确解码中文内容。如果省略或更改编码方式，可能会导致中文显示为unicode编码或保持原始编码格式，无法正确显示。

摘要由CSDN通过智能技术生成

lxml库使用中遇到的编码问题¹

————
代码如下：

from lxml import etree

with open('4.html', 'r', encoding='utf-8') as f:
    html = f.read()
print(html)
html = etree.HTML(html)
result = etree.tostring(html, encoding='utf-8')
print(result.decode('utf-8'))

其中4.html的文件内容是：

<dd>
                        <i class="board-index board-index-1">1</i>
    <a href="/films/1203" title="霸王别姬" class="image-link" data-act="boarditem-click" data-val="{movieId:1203}">
      <img src="//s3plus.meituan.net/v1/mss_e2821d7f0cfe4ac1bf9202ecf9590e67/cdn-prod/file:5788b470/image/loading_2.e3d934bf.png" alt="" class="poster-default" />
      <img data-src="https://p1.meituan.net/movie/20803f59291c47e1e116c11963ce019e68711.jpg@160w_220h_1e_1c" alt="霸王别姬" class="board-img" />
    </a>
    <div class="board-item-main">
      <div class="board-item-content">
              <div class="movie-item-info">
        <p class="name"><a href="/films/1203" title="霸王别姬" data-act="boarditem-click"