在Python中提取数据时如何获取unicode字符串？

Question

我正在尝试从越南网站提取文本，该网站的字符集为 utf-8。 但是，我得到的文本总是在 Ascii 中，我找不到将它们转换为 unicode 或在网站上准确获取文本的方法。 结果，我无法按预期将它们保存到文件中。
我知道这是 Python 中 unicode 非常流行的问题，但我仍然希望有人能帮我弄清楚。 谢谢。
我的代码：

import requests, re, io
import simplejson as json
from lxml import html, etree

base = "http://www.amthuc365.vn/cong-thuc/"
page = requests.get(base + "trang-" + str(1) + ".html")
pageTree = html.fromstring(page.text)

links = pageTree.xpath('//ul[contains(@class, "mt30")]/li/a/@href')
names = pageTree.xpath('//h3[@class="title"]/a/text()')
for name in names[:1]:
    print name
    # Làm bánh oreo nhân bÆ¡ Äậu phá»ng thÆ¡m bùi

但我需要的是“Làm bánh oreo nhân bơ đậu phộng thơm bùi”
谢谢。

Answer 1

只需从page.text切换到page.content就可以了。

解释在这里。

另见：

• “内容”和“文本”有什么区别
• HTML 编码和 lxml 解析