确定从xpath刮取的内容的编码。转换为Unicode

Question

我使用firefoxxpath提取器从这个网站上提取了以下代码片段：http://www.zdic.net/z/19/js/5DCD.htm

我要找的部分是丨フ丨ノ一丨ノ丶フノ一ノ丨フ一一ノフフ丶

这个xpath extractor add on给了我以下id('z_i_t2_bis')

我用这个命令把它输入到scrapy shell：response.selector.xpath("id('z_i_t2_bis')").extract()

它返回了这个：

[u'<span id="z_i_t2_bis" title="\u7ad6\u6298\u7ad6\u6487\u6a2a\u7ad6\u6487\u637a\u6298\u6487\u6a2a\u6487\u7ad6\u6298\u6a2a\u6a2a\u6487\u6298\u6298\u637a">\u4e28\u30d5\u4e28\u30ce\u4e00\u4e28\u30ce\u4e36\u30d5\u30ce\u4e00\u30ce\u4e28\u30d5\u4e00\u4e00\u30ce\u30d5\u30d5\u4e36</span>']

我怎么知道这是不是我想要的？你知道吗

它似乎是为HTML编码的，有没有办法把它放回unicode？你知道吗

Answer 1

已经是unicode了。这只是一个逃逸的陈述。 因此，您可以直接使用“in”操作符检查您的模式：

pattern = u'丨フ丨ノ一丨ノ丶フノ一ノ丨フ一一ノフフ丶'
result = [u'<span id="z_i_t2_bis" title="\u7ad6\u6298\u7ad6\u6487\u6a2a\u7ad6\u6487\u637a\u6298\u6487\u6a2a\u6487\u7ad6\u6298\u6a2a\u6a2a\u6487\u6298\u6298\u637a">\u4e28\u30d5\u4e28\u30ce\u4e00\u4e28\u30ce\u4e36\u30d5\u30ce\u4e00\u30ce\u4e28\u30d5\u4e00\u4e00\u30ce\u30d5\u30d5\u4e36</span>']

if pattern in result[0]:
    print('found')