爬取的数据非html格式,网页爬虫 - python爬虫，爬取到的HTML源码是一种编码格式展示的内容，但是具体处理数据的适合就取不到这个值。...

python爬虫，爬取到的HTML源码是一种编码格式展示的内容，但是具体处理数据的适合就取不到这个值。

练习爬取的网页：

https://detail.tmall.com/item...

代码的目的是获取对应手机的型号：

def handle_starttag(self, tag, attrs):

if tag == 'tr' and not self.finish:

for variable, value in attrs:

if variable == 'class' and value == 'tm-tableAttrSub':

self.target_tr = True

if tag == 'th' and self.target_tr and not self.finish:

self.processing = 'th'

if tag == 'td' and self.target_tr and self.target_th and not self.finish:

# print 'value:',value

self.processing = 'td'

def handle_data(self, data):

if self.processing == 'th' and data.find('型号') > -1 and not self.finish and self.target_tr:

self.target_th = True

self.processing = ''

if self.processing == 'td' and not self.finish and self.target_tr and self.target_th:

self.finish = True

self.target_th = False

self.target_tr = False

self.temp = data

self.processing = ''

print 'phoneName', data

获取到的HTML代码片段：

型号& nbsp;& #32418;& #31859;& #25163;& #26426;3

(原内容直接复制就被转码展示了，可以将&后的空格去掉)

最后的输出：

phoneName 3

但是期望的输出应该是：

phoneName 红米手机3

请教各位大大，怎么将获取到的html代码片段中的正确内容复制到data中呢？