【问题标题】：Extracting unicode data from url source by xpath in python [closed]在python中通过xpath从url源中提取unicode数据[关闭]
【发布时间】：2015-01-12 17:46:56
【问题描述】：

我要提取 unicode 格式

<div class="" id="messageContent">\xd8\xaf\xd8\xb1</div>

我尝试的是：

import requests
from lxml import html
post_data=...
post_response=requests.post(url='http://example.com/', data=post_data)
out=post_response.text
tree=html.fromstring(out)
print out.xpath('//div/[@id="messageContent"]/text()')

更新

然后我得到的错误：

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "lxml.etree.pyx", line 1447, in lxml.etree._Element.xpath (src/lxml/lxml.etree.c:41728)
  File "xpath.pxi", line 321, in lxml.etree.XPathElementEvaluator.__call__ (src/lxml/lxml.etree.c:117734)
  File "xpath.pxi", line 239, in lxml.etree._XPathEvaluatorBase._handle_result (src/lxml/lxml.etree.c:116911)
  File "xpath.pxi", line 225, in lxml.etree._XPathEvaluatorBase._raise_eval_error (src/lxml/lxml.etree.c:116780)
lxml.etree.XPathEvalError: Invalid expression

我想要messageContent的输出：

\xd8\xaf\xd8\xb1

【问题讨论】：

out 是文本，tree 是 ElementTree 对象。对我来说似乎是一个简单的错字。

标签： python xpath unicode lxml

【解决方案1】：

错误很明显：变量out 存储一个unicode 对象，而不是具有xpath 属性的对象。你可能只是混淆了out 和tree

print out # will give you the whole text
print tree.xpath(...)  # will probably print what you were looking for

它与您尝试提取的“unicode 数据”没有任何关系。

【讨论】：

是的，谢谢...我很困惑...想象我说：print tree.xpath(...) ..错误是lxml.etree.XPathEvalError: Invalid expression
有时我们忽略了最明显的事情:)。如果有帮助，请考虑点赞并标记为答案。
+1，请查看我的更新
收不到\xd8\xaf\xd8\xb1
这实际上是另一个问题。问题是out 中的文本无法解析为 xml。打印out 并尝试找出原因。

【解决方案2】：

你可能是想说tree.xpath(...)。

【讨论】：