我用 python 获取的网址为何带有括号和单引号？
在编写爬虫程序时，你可能会遇到获取的网址中包含括号和单引号的情况，这可能会给后续处理带来不便。下面我们将探讨导致这种情况的原因并提供解决方案：
原因：
你使用的解析工具（如 beautifulsoup）在解析 html 时，会将原始的 html 字符串转换为 python 对象。html 中的某些特殊字符，如 、& 和 ‘, 在 python 中具有特殊的含义，因此在解析时需要进行转义。
立即学习“Python免费学习笔记（深入）”；
默认情况下，beautifulsoup 使用 html5 的解析器，它会将这些特殊字符转义成对应的 html 实体，如 表示 >、& 表示 & 和 ‘ 表示 ‘. 这些转义对于避免在 python 中产生语法错误很重要。
解决方案：
要获取不带括号和单引号的网址，你可以执行以下操作：
使用正则表达式去除 html 实体：使用正则表达式 re.sub(‘&.*?;’, ”, link) 将 html 实体替换为空字符串。使用 lxml 解析器：lxml 是另一个流行的 html 解析库，其默认解析器不会将特殊字符转义成 html 实体。只需将 beautifulsoup(html, “html5lib”) 替换为 etree.html(html) 即可。手动解码转义字符：你可以使用 html.unescape() 函数手动解码转义字符，即将 ” 解码为 ”。
修改后的代码示例如下：
import requestsfrom lxml import etreeurl = 'http://www.prnasia.com/m/mediafeed/rss?id=2303&t=240'headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.66 Safari/537.36'}res = requests.get(url, headers=headers)res_dome = etree.HTML(res.text)for link in res_dome.xpath('//h3/a/@href'): print(link) # 无括号和单引号的网址
以上就是为什么用 Python 获取的网址带有括号和单引号？的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1352296.html
微信扫一扫 
支付宝扫一扫 
