【问题标题】：Decoding string from html webpage with lxml使用lxml从html网页解码字符串
【发布时间】：2014-11-12 16:54:02
【问题描述】：
输入字符串是这样的：
“ hello world ” with double quotes
我用
Htmlpage=parse(htmlwebpage) from lxml
我得到的输出字符串格式为：
' â\x80\x9c hello world \xa0 '
而不是
'"Hello world"'
我在窗户上
谢谢
【问题讨论】：
标签：
python
unicode
character-encoding
lxml
【解决方案1】：
我终于找到了一些解决方案：
我找到了网页格式：
webpage.headers.get_content_charset()
我在解析函数中指定了解析器格式，如：
EncodeFormat=lxml.html.HTMLParser(encoding='utf-8')
然后
Htmlpage=parse(htmlwebpage,EncodeFormat)
我在删除的字符串中仍然有一个 \xa0：
string.replace('\xa0','')