lxml一些函数说明

etree篇

from lxml import etree

html篇

 

from lxml import html

fromstring(content)

如果源码为utf-8或者gbk编码的字符串。fromstring函数会检测网页源码中meta标签下content属性中charset，对源码进行解码。

<meta http-equiv="content-type" content="text/html; charset=utf-8">

有些通过requests保存的源码，meta标签被修改过，

类似<meta charset=utf-8">这样，便不会检测出编码，不会解码。源码中字符串\x80被补上00变成\u0080的unicode。输出为乱码。