我在html文档中有以下文字：
<a href="#">�'ам интересна информация</a>
我正在使用以下表达式来提取文本：
row.xpath("string(./td[@class='col2 td-tags']/h3/a/text())")
此表达式适用于简单的英语，但对于上面的字符串，它会抛出此错误：
'utf8' codec can't decode byte 0xd0 in position 0: invalid continuation byte
答案 0 :(得分：6)
在HTML中，＆amp; #xxx不指定文档编码中的字节;它总是一个unicode代码点。
因此，您不能将UTF-8放入类似的HTML中。
答案 1 :(得分：2)
该文件的编码是什么？什么字符开始<a>中的文字？它可能是无效的UTF-8。
答案 2 :(得分：1)
我首先解码了页面内容（包括字符串<a href="#">�'ам интересна информация</a>）以将任何不可转换的字符串替换为问号，并且它有效！
即。 page_contents_string = page_contents_string.decode("utf-8", "replace")