在抓取html时混合扩展的ascii和普通字符串

时间:2017-02-03 06:44:55

标签: python scrapy

我正在学习scrapy文档(https://doc.scrapy.org/en/1.3/intro/tutorial.html),但是有一段代码,我的计算机产生不同的结果。

import scrapy
class QuotesSpider(scrapy.Spider):
    name = "quotes"
    start_urls = [
        'http://quotes.toscrape.com/page/1/',
        'http://quotes.toscrape.com/page/2/',
    ]

    def parse(self, response):
        for quote in response.css('div.quote'):
            yield {
                'text': quote.css('span.text::text').extract_first(),
                'author': quote.css('span small::text').extract_first(),
                'tags': quote.css('div.tags a.tag::text').extract(),
            }

正确的输出应该是:

{“text”:“”我们创造的世界是我们思考的过程。如果不改变我们的想法就无法改变。“”,“作者”:“爱因斯坦”,“标签”:[“改变”,“深思”,“思考”,“世界”]}

但我的输出(在json中)是:

{“text”:“\ u201c我们创造的世界是我们思考的过程。如果不改变我们的思维就不能改变。\ u201d”,“作者”:“阿尔伯特爱因斯坦”,“标签”: [“改变”,“深思”,“思考”,“世界”]}

当我使用scrapy shell或尝试输出json文件时会发生这种情况。但如果我选择输出到csv,它会正常工作。有人有解决方案吗?

环境:Ubuntu,python 3.5

1 个答案:

答案 0 :(得分:1)

首先,它可以编码,大多数将加载它的程序会根据需要对其进行解码。

如果您坚持以其他方式对JSON输出进行编码,则可以使用Scrapy的FEED_EXPORT_ENCODING设置as stated here

我猜您要找的是FEED_EXPORT_ENCODING = 'utf-8'(在您的settings.py文件中)