欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

抓取网页用normalize-space出现特殊符号两种方法解决

程序员文章站 2023-12-01 10:49:46
xpath抓取数据值有\r\n\t时去掉的方法:https://blog.csdn.net/z564359805/article/details/101597953抓取网页含\r \t \n时,用normalize-space出现特殊符号有时候并不会成功,例如:['商家 \xa0厦门有限公司'],'\xa0'在网页源码中是' ',可以用如下方法:方法一:修改response这种方法是修改网页代码里面的数据,'\xa0'在网页源码中是' ',个人觉得毕竟不是筛选...

xpath抓取数据值有\r\n\t时去掉的方法:https://blog.csdn.net/z564359805/article/details/101597953

抓取网页含\r \t \n时,用normalize-space出现特殊符号有时候并不会成功,例如:['商家 \xa0厦门有限公司'],'\xa0'在网页源码中是' ',可以用如下方法:

方法一:修改response这种方法是修改网页代码里面的数据,'\xa0'在网页源码中是' ',个人觉得毕竟不是筛选后的数据,修改时间会比较长

def parse(self,response):
    # 修改网页代码里面的数据
    response = response.replace(body=response.text.replace(' ',''))
    order_company = response.xpath('normalize-space(//*[@id="to"]/tbody/tr/td[3]/a/text())').extract()
    item['order_company'] = order_company[0].strip()

方法二:在选择出需要的item数据传递时候直接替换

item['order_company'] = order_company[0].replace("\xa0", "").strip()


本文地址:https://blog.csdn.net/z564359805/article/details/107085872