htm中的BeutifulSoap4和转义数据

Question

我加载到BeutifulSoap4的Html格式如下：

\\u003C/span\\u003E\\u003Ca href=\\"javascript:void(0)\\" class=\\"something something22\\"\\u003EShowMore\\u003C/a\\u003E\\u003C/span\\u003E\\u003Cspan style=\\"display:none\\" class=\\"review-full-text\\"\\u003ESomething else....

因此，例如，BeutifulSoap4找不到html标记，它通常能够：

bsoup1.find_all("div", class_="some_class")

有没有一个标准的方法来解决这个问题？你知道吗

Answer 1

您可以尝试unicode_escape编码

data = '\\u003C/span\\u003E\\u003Ca href=\\"javascript:void(0)\\" class=\\"something something22\\"\\u003EShowMore\\u003C/a\\u003E\\u003C/span\\u003E\\u003Cspan style=\\"display:none\\" class=\\"review-full-text\\"\\u003ESomething'

print(data.encode('utf-8').decode('unicode_escape'))

7.2.4. Python Specific Encodings