使用lxml从html网页解码字符串

Question

the input string is like: 输入字符串如下：

“ hello world ” with double quotes

i use 我用

Htmlpage=parse(htmlwebpage) from lxml

the output string i get is in the form: 我得到的输出字符串的形式为：

' â\x80\x9c hello world \xa0 '

instead of 代替

'"Hello world"'

i am on windows Thanks 我在窗户上谢谢

Answer 1

I finally found some solutions: 我终于找到了一些解决方案：

i found the webpage format using: 我使用以下方法找到了网页格式：

webpage.headers.get_content_charset()

i specified the parser format in the parse function like: 我在解析函数中指定了解析器格式，例如：

EncodeFormat=lxml.html.HTMLParser(encoding='utf-8')

then 然后

Htmlpage=parse(htmlwebpage,EncodeFormat)

i still had an \\xa0 in the string i removed with: 我删除的字符串中仍然有一个\\ xa0：

string.replace('\xa0','')