为什么用 Python 获取的网址带有括号和单引号？

我用 python 获取的网址为何带有括号和单引号？

在编写爬虫程序时，你可能会遇到获取的网址中包含括号和单引号的情况，这可能会给后续处理带来不便。下面我们将探讨导致这种情况的原因并提供解决方案：

原因：

你使用的解析工具（如 beautifulsoup）在解析 html 时，会将原始的 html 字符串转换为 python 对象。html 中的某些特殊字符，如 、& 和 ', 在 python 中具有特殊的含义，因此在解析时需要进行转义。

立即学习“Python免费学习笔记（深入）”；

默认情况下，beautifulsoup 使用 html5 的解析器，它会将这些特殊字符转义成对应的 html 实体，如 表示 >、& 表示 & 和 ' 表示 '. 这些转义对于避免在 python 中产生语法错误很重要。

解决方案：

要获取不带括号和单引号的网址，你可以执行以下操作：

修改后的代码示例如下：

import requestsfrom lxml import etreeurl = 'http://www.prnasia.com/m/mediafeed/rss?id=2303&t=240'headers = {    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.66 Safari/537.36'}res = requests.get(url, headers=headers)res_dome = etree.HTML(res.text)for link in res_dome.xpath('//h3/a/@href'):    print(link)  # 无括号和单引号的网址