Python即时网络爬虫项目: 内容提取器的定义

shenzhenwan10 发表于 2016-12-29 16:07
你是在windows的cmd窗口运行的吗?

不是，在Mac的终端窗口运行的。  终端支持utf8编码的。  用你们的示例是能正常显示出中文的。
不知道我哪里弄错了。

oldhu_ 发表于 2016-12-29 16:53
不是，在Mac的终端窗口运行的。  终端支持utf8编码的。  用你们的示例是能正常显示出中文的。
不知道我哪 ...

可能是在你把xlst复制保存到本地文件这一步

oldhu_ 发表于 2016-12-29 16:53
不是，在Mac的终端窗口运行的。  终端支持utf8编码的。  用你们的示例是能正常显示出中文的。
不知道我哪 ...

发一下乱码截图看看，如果单纯是输出结果的中文乱码了，可尝试对conn.read()这句获取到的内容进行编码

ippfon 发表于 2016-12-29 18:07
发一下乱码截图看看，如果单纯是输出结果的中文乱码了，可尝试对conn.read()这句获取到的内容进行编码

...

  问题解决了， 方法是我用requests替换了urllib包。 见代码如下：

import requests
from lxml import etree
from gooseeker import GsExtractor

# 访问并读取网页内容
url = "https://www.v2ex.com"
conn = requests.get(url)
doc = etree.HTML(conn.text)


后面的代码还是原来的。

非常感谢。

  楼主你好，根据你给的代码，xslt_bbs.xml 文件应该放在哪里（python 刚入门）？求指导一下

InformationSeek 发表于 2017-5-14 10:41
楼主你好，根据你给的代码，xslt_bbs.xml 文件应该放在哪里（python 刚入门）？求指导一下
...

放在哪都可以，一般是项目的某个文件夹下
文件名前面可以加上文件路径，如下

1. bbsExtra.setXsltFromFile("C:\\demoproject\\config\\xslt_bbs.xml")

复制代码

挺好的，提高了效率