取消转义十六进制代码点\u0026，而不更改Python中的编码
取消转义十六进制代码点\u0026，而不更改Python中的编码
提问于 2018-07-22 00:22:39
在抓取时，我在提取的数据中获得十六进制代码点，如\u0026#39；和\u003c。问题是在提取时，它们通过在前面得到一个"\“来进行转义，就像\u0026#39和\u003c一样。所以为了解决这个问题，我用了
Tag = response.xpath("//script[contains(.,'" + SplitString + "')]").extract()
Tag = Tag[0].split(SplitString)
Tag = Tag[1].split("\"]")
Tag = codecs.getdecoder('unicode_escape')(Tag[0])[0]但使用"unicode_escape“的问题是，它改变了一些特殊的符号，如❤️❤️，并将其转换为ŸŽˆ。那么我该如何应对呢？
源代码中的脚本如下所示：
<script nonce="q0OGvOrA73kvqp+Tk1lGIR+glJc">AF_initDataCallback({key: 'ds:4', isError: false , hash: '17', data:function(){return [[["Machineship"]
,null,null,[1]
,null,[["CBSqARUKEwiZjNDE8bDcAhWKI2gKHV8ZDtA\u003d"]
,["CBSqARUKEwiYjNDE8bDcAhWKI2gKHV8ZDtA\u003d"]],[[null,"Enjoy different kind of magazines and entertainment\u003cbr\u003e3 on the various supported classic rule.\u003cbr\u003e\u003cbr\u003e[Feature]\u003cbr\u003e- 1 to max 4 can join\u003cbr\u003e- You can select one of three different patterns.\u003cbr\u003e- :\u003cbr\u003ehttps://www.example.com"]
,[null,"Best \u0026quot;ad-free\u0026quot; entertainment for kids!\u003cbr\u003e❤️❤️"]
]
,null,[[[null,2,[800,1200]............... </script>我想从中提炼出:给孩子们最好的“无广告”娱乐！
❤️❤️
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-07-22 05:38:51
你可以使用tag.encode('utf-8')对字符串进行正确的编码，这将返回字节，这意味着在写入文件时必须使用wb，例如f = open('filename, 'wb')。下面的脚本现在对字符串进行了编码。
from scrapy.selector import Selector
body = '<script nonce="q0OGvOrA73kvqp+Tk1lGIR+glJc">AF_initDataCallback({key: \'ds:4\', isError: false , hash: \'17\', data:function(){return [[["Machineship"]\n,null,null,[1]\n,null,[["CBSqARUKEwiZjNDE8bDcAhWKI2gKHV8ZDtA\u003d"]\n,["CBSqARUKEwiYjNDE8bDcAhWKI2gKHV8ZDtA\u003d"]],[[null,"Enjoy different kind of magazines and entertainment\u003cbr\u003e3 on the various supported classic rule.\u003cbr\u003e\u003cbr\u003e[Feature]\u003cbr\u003e- 1 to max 4 can join\u003cbr\u003e- You can select one of three different patterns.\u003cbr\u003e- :\u003cbr\u003ehttps://www.example.com"]\n,[null,"Best \u0026quot;ad-free\u0026quot; entertainment for kids!\u003cbr\u003e❤️❤️"]\n]\n,null,[[[null,2,[800,1200]............... </script>'
split_string = 'm"]\n,[null,"'
tag = Selector(text=body).xpath("//script[contains(.,'" + split_string + "')]").extract()
tag = tag[0].split(split_string)
tag = tag[1].split("\"]")
tag = tag[0]
f = open('test.txt', 'wb')
tag = tag.encode('utf-8')
f.write(tag)
f.close()
print('done')打印：Best "ad-free" entertainment for kids!<br>❤️❤️
我不确定双斜杠是从哪里得到的，但实际上可能需要它们来转义字符串中的斜杠，所以可能不会造成问题。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/51458016
复制相关文章
相似问题