scrapy - Python如何将Unicode转换为HTML

问题描述

问 题

现在我爬虫得到的数据格式为Unicode的html片段，现在想把它转换为html格式的内容，然后容易提取，应该如何做？
比如获取的片段为以下：

<div class="item"><div class="blk">
<a target="_blank" href="/topic/19564209">
<img src="https://pic3.zhimg.com/d3f7f95975ae3ff5cfeedad9a4febe56_xs.jpg" alt="游戏界面设计">
<strong>游戏  界面设计</strong>
</a>
<p></p>

<a id="t::-4657" href="javascript:;" class="follow meta-item zg-follow"><i class="z-icon-follow"></i>关注</a>

</div></div>

格式为unicode
如何将它转为html格式，然后进行提取？

解决方案

你可能弄混了一些概念……(｡・`ω´･)

• HTML 全称How To Make Love,哦……不是，是HyperText Markup Language(超级文本标记语言)

• Unicode 是一种字符串编码，字符串还有GBK，GB2312等

两者不是同一种东西，不能互相转换。就好像我能说，能把python转换成unicode吗？显然不能这么说。你只能说是把python代码的默认编码转换成unicode。

如果你是需要python字符串的转换成unicode，在py2中提供了Unicode这个类，而py3中，字符串默认编码就是unicode，不需要转换。

但是你题目描述的是转换成HTML格式，那么现在你贴出来的这段，就是HTML了……ヾ(o◕∀◕)ﾉ

这篇关于scrapy - Python如何将Unicode转换为HTML的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！