提取html某标签中文字时,文字中含有:“2O5”,导致提取的文字不符合预期。
解决方法:
#coding=utf-8
from lxml import etree
from HTMLParser import HTMLParser
html = u'''
退火对Nb2O5薄膜的折射率和厚度的影响
'''
tree = etree.HTML(html)
# 结果为:退火对Nb
content1 = tree.xpath("//span[@id='chTitle']/text()")[0]
print content1
# 结果为:退火对Nb2O5薄膜的折射率和厚度的影响
table = tree.xpath("//span[@id='chTitle']")[0]
content2 = etree.tostring(table, method='html')
print HTMLParser().unescape(content2)[19:-8]
来源:/zhangtianyuan/p/8297117.html