python库的etree函数转换源代码时只有一行代码

mumuemhaha 2023-6-8 32 6/8

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> <!--&#27880;&#24847; &#36825;&#37324;&#23569;&#20102;&#19968;&#20010;<li>&#26631;&#31614;-->
     </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

- THE END -
Tag:

mumuemhaha

6月09日23:20

最后修改:2023年6月9日
1

共有 0 条评论