在Python中处理字符串时出现奇怪的引号

Question

目前我正在使用scrapy，这是一个基于Python的网页爬虫框架。数据是通过XPATH从HTML中提取的。（我对Python还不太熟悉）为了整理数据，scrapy使用了“项目”，比如：

item = MyItem()

item['id'] = obj.select('div[@class="id"]').extract()

当我打印ID时，像这样使用print item['id']，我得到的输出是：

[u'12346']

我的问题是，这个输出并不总是以相同的形式出现。有时候我得到的输出是：

"[u""someText""]"

这种情况只发生在文本上，但实际上这些文本和其他处理正常的文本没有什么特别之处，就像ID一样。

有没有人知道这些引号是什么意思？就像我说的，someText是和其他文本数据一样被抓取的，比如来自：

<a>someText</a>

有什么想法吗？

编辑：

我的爬虫会抓取一个博客的所有页面。这里是确切的输出：

[u'41039'];[u'title]

[u'40942'];"[u""title""]"]

...

提取方式：

item['title']   = site.select('div[@class="header"]/h2/a/@title').extract()

我注意到总是同样的博客文章有这些引号。所以它们并不是随机出现的。但这些文本没有什么特别之处。例如，这个标题会产生引号：

<a title="Xtra Pac Telekom web'n'walk Stick Basic für 9,95" href="someURL">
    Xtra Pac Telekom web'n'walk Stick Basic für 9,95</a>

所以我最初的想法是这可能是因为某些特殊字符，但实际上并没有。

这种情况只在将项目写入CSV时发生，当我在命令行中打印它们时没有引号。

有什么想法吗？

Answer 1

在Python中，你可以用单引号'和双引号"来表示字符串。当它打印内容时，通常会选择单引号，但如果字符串里面有单引号，它就会用双引号来打印，以避免出现转义字符的问题。

所以通常情况下，它打印的格式是[u'....']，但如果字符串里有'这个字符，它就会打印成[u"...."]。

接下来，写入CSV文件时会有额外的复杂性。如果字符串里只有一个'，它就会原样写入。所以[u'....']会写成[u'....']。

但是如果字符串里有双引号，那么(1)所有内容都会放在双引号里面，(2)任何双引号都会重复两次。所以u["..."]会写成"[u""...""]"。如果你用CSV库读取这些数据，它会自动识别并去掉这些重复的引号，所以不会造成任何问题。

所以这里的情况是，字符串里有单引号（让Python使用双引号）和CSV的引号规则（适用于双引号，但不适用于单引号）结合在一起。

如果这造成了问题，CSV库有各种选项可以改变这种行为 - http://docs.python.org/library/csv.html

维基百科页面详细解释了引号规则，这里用"Super, ""luxurious"" truck"的例子展示了这种行为。