PHP前端开发

如何去除爬取网站数据中的转义字符?

百变鹏仔 3天前 #Python
文章标签 字符

如何去除爬取网站数据中的转义字符?

针对问题中出现的 "" 和 "

" 等转义字符,可以通过以下方法将其去除:

1.使用正则表达式:

import rehtml = "<p style="width: 100%;">(.*)</p>"dr = re.compile(r'<[^>]+>', re.s) contant =re.findall(findcontant1, item)if len(contant) <= 0:    contant = re.findall(findcontant2, item)contant = dr.sub('', str(contant))

2.使用beautifulsoup进行解析:

from bs4 import BeautifulSoupimport rehtml = "<p style="width: 100%;">(.*)</p>"soup = BeautifulSoup(html, "html.parser")contant = soup.find('p').text

经过上述处理,即可去除转义字符,获得干净的文本内容。