爬取的内容带有多余字符怎么办？import html

21fanqie

爬取的内容带有多余字符怎么办？import html

用一个函数就可以，先在最上面导入import html。先把字符串拿出来，再把html 转移符号去掉

                               
登录/注册后可看大图

比方说一个从网页中抓到的字符串

html = '<abc>'

用Python可以这样处理：

import HTMLParser
html_parser = HTMLParser.HTMLParser()
txt = html_parser.unescape(html) #这样就得到了txt = '<abc>'

如果还想转回去，可以这样：

import cgi
html = cgi.escape(txt) # 这样又回到了 html = '<abc>'

来自其他参考：https://blog.csdn.net/BloodyPanda/article/details/79615157