Probleme mit Python lxml beim Parsen von Chinesisch

Question

Die Verwendung von lxml zum Erfassen chinesischer Zeichen ist sehr schmerzhaft. Ich weiß nicht, wie ich damit umgehen soll ... {Code ...} Das Ergebnis sieht so aus: [u'\xe6\x80\xa7\xe8\xb4 \ xa8']unicode, aber der Inhalt ist str-kodiert. Wie sollte das Ding normalerweise '\xe6\x80\xa7\xe8...' sein?

淡淡烟草味 · Answer

''.join(map(lambda x:chr(x), map(lambda x:ord(x), u'\xe6\x80\xa7\xe8\xb4\xa8'))).decode('utf-8')

滿天的星座 · Answer

出现这种情况，一般是requests猜错了网页的编码了
因此指定requests的编码就可以了.
res.encoding ='utf-8'

In [33]: comUrl="http://m.51job.com/search/codetail.php?coid=4108723"
    ...: res=requests.get(comUrl)
    ...: res.encoding ='utf-8'
    ...: html=etree.HTML(res.text)
    ...: p=html.xpath("//aside")[1].xpath("./p")   #结果为[, , ]
    ...: p[0].xpath("./span/text()")  #这个是想要抓取的字符
    ...: 
Out[33]: [u'\u6027\u8d28']

In [34]: print _[0]
性质