python库的etree函数转换源代码时只有一行代码

最新推荐文章于 2024-06-13 23:55:30 发布

木木em哈哈

最新推荐文章于 2024-06-13 23:55:30 发布

阅读量161

点赞数

分类专栏：软件报错 python 文章标签： python 开发语言爬虫后端

本文链接：https://blog.csdn.net/mumuemhaha/article/details/131117661

版权

python 同时被 2 个专栏收录

20 篇文章 8 订阅

订阅专栏

软件报错

7 篇文章 0 订阅

订阅专栏

问题

附上代码

from lxml import etree
text = '''
<div>
    <ul>
         <li class="item-0"><a href="link1.html">first item</a></li>
         <li class="item-1"><a href="link2.html">second item</a></li>
         <li class="item-inactive"><a href="link3.html">third item</a></li>
         <li class="item-1"><a href="link4.html">fourth item</a></li>
     </ul>
 </div>
'''
html_1 = etree.HTML(text)
print(type(html_1))
print(html_1)

打印出来的结果就是

<class 'lxml.etree._Element'>
<Element html at 0x140a12ac780>

原因

原因也十分简单，因为etree函数需要传递的编码格式为'utf-8'

而python中变量的编码格式为Unicode格式

格式不同，传递的时候当然会出错

可以用bs4库中的BeautifulSoup，但是etree基于c语言编写运行的速度一般来说比前者要快

所以我铁了心了要用它有什么办法吗？

解决办法

原理

当然

有！！！

既然要utf-8，那我就把编码格式转成utf-8不就行了

怎么转呢？

只需要把Unicode的字符转为bytes类型

然后用decode('utf-8')函数来解码为utf-8

代码

代码附上

bytes_res = etree.tostring(html_1)
str_res = etree.tostring(html_1).decode('utf-8')
print(str_res)

打印出来的结果就是

<html><body><div>
<ul>
<li class="item-0"><a href="link1.html">first item</a></li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-inactive"><a href="link3.html">third item</a></li>
<li class="item-1"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a> 
</li></ul>
</div>
</body></html>

这样就打印好了

注意

因为为utf-8格式所以在输入中文是打印出来的也不是中文，而是一个诸如“&#21834”的英文代码

但是问题不大，只要中文不是乱码就应该还能识别回来

木木em哈哈

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
打赏
0
评论
python库的etree函数转换源代码时只有一行代码

-注意这里少了一个标签-->因为为utf-8格式所以在输入中文是打印出来的也不是中文，而是一个诸如。，但是etree基于c语言编写运行的速度一般来说比前者要快。原因也十分简单，因为etree函数需要传递的编码格式为'既然要utf-8，那我就把编码格式转成utf-8不就行了。所以我铁了心了要用它有什么办法吗？而python中变量的编码格式为。格式不同，传递的时候当然会出错。
复制链接

扫一扫