我正在尝试使用此处提供的HTML抓取工具。他们提供的示例效果很好。但是，当我尝试在网页上使用它时，出现此错误-Unicode strings with encoding declaration are not supported. Please use bytes input or XML fragments without declaration. 我尝试使用Google谷歌搜索，但是找不到解决方案。我真的很感谢您的帮助。我想知道是否可以使用Python将其复制为HTML。
编辑：
from lxml import html
import requests
page = requests.get('http://cancer.sanger.ac.uk/cosmic/gene/analysis?ln=PTEN&ln1=PTEN&start=130&end=140&coords=bp%3AAA&sn=&ss=&hn=&sh=&id=15#')
tree = html.fromstring(page.text)
谢谢。
简短的答案：使用page.content，而不是page.text。
来自http://lxml.de/parsing.html#python-unicode-strings：
lxml.etree中的解析器可以立即处理unicode字符串...但是，这要求unicode字符串本身不指定冲突的编码，因此要取决于它们的真实编码
从http://docs.python-requests.org/en/latest/user/quickstart/#response-content：
请求将自动解码来自服务器的内容（为[as
r.text]）。...您还可以以字节[asr.content]的形式访问响应主体。
因此，您看到了两者，requests.text并lxml.etree希望将utf-8解码为unicode。但是，如果我们requests.text进行解码，那么xml文件中的编码语句将成为谎言。
因此，让我们requests.content不进行解码。这样，lxml将收到一个始终未解码的文件。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句