Question

我已经使用BeautifulSoup将一些文本（城市名称）解析为一个列表，但遇到了一个我无法克服的问题。网站上的文字元素有特殊字符，当我打印列表时，城市名称显示为[u＆＃39;伦敦]，而不是特殊字符，则会显示数字和字母。我该如何摆脱“你好”。在开头并将文本转换为最初出现在网站上的格式？

以下是代码：

import urllib2
from bs4 import BeautifulSoup

address = 'https://clinicaltrials.gov/ct2/show/NCT02226120?resultsxml=true'

page = urllib2.urlopen(address)
soup = BeautifulSoup(page)
locations = soup.findAll('country', text="Hungary")
for city_tag in locations:
    site=city_tag.parent.name
    if site=="address":
        desired_city=str(city_tag.findPreviousSibling('city').contents)
        print desired_city

以下是我得到的输出：

[u'Pecs']
[u'Baja']
[u'Balatonfured']
[u'Budapest']
[u'Budapest']
[u'Budapest']
[u'Budapest']
[u'Budapest']
[u'Budapest']
[u'Budapest']
[u'Budapest']
[u'Budapest']
[u'Budapest']
[u'Budapest']
[u'Budapest']
[u'Cegled']
[u'Debrecen']
[u'Eger']
[u'Hodmezovasarhely']
[u'Miskolc']
[u'Nagykanizsa']
[u'Nyiregyh\xe1za']
[u'Pecs']
[u'Sopron']
[u'Szeged']
[u'Szekesfehervar']
[u'Szekszard']
[u'Zalaegerszeg']

例如，来自底部[u＆＃39; Nyiregyh \ xe1za＆＃39;]的第7个元素无法正确显示。

Answer 1

您使用str()转换了您可以打印的对象：

from_id

您不仅会看到您询问的“u”前缀，还会看到desired_city=str(city_tag.findPreviousSibling('city').contents) print desired_city和[]。这些标点符号是''如何将这些类型的对象转换为文本的一部分：str()表示您有一个列表对象。 []表示列表中的对象是“text”。注意：Python 2在处理字节与字符时非常草率。这种邋is使许多人感到困惑，特别是因为有时它似乎即使在错误的情况下也能工作，并且在其他数据或环境中失败。

由于您有一个包含unicode对象的列表，因此您希望打印该值：

u''

请注意，我假设城市列表至少包含一个元素。您显示的示例输出就是这样，但最好也检查错误条件。

Python中包含特殊字符的字符串无法正确显示

1 个答案: