用lxml搜索£标记

Question

我正在努力编码和lxml。我正在阅读某个网站的某些html，并希望使用lxml搜索包含文本的£标记。我可以搜索标签（h3）并获取打印的内容，但如果我尝试在文本内搜索英镑符号，我会得到一个UnicodeDecodeError。我需要做后者，因为这是更普遍的情况。

tree = lxml.html.fromstring(html) 

# prints #£13,999 
print tree.cssselect('h3')[0].text_content().encode("utf-8") 

# generates "UnicodeDecodeError: 'ascii' codec can't decode byte 0xa3 in position 0: ordinal not in range(128)" 

# prints £13,999 
print tree.cssselect('h3:contains(u"\xa3")')[0].text_content().encode('utf-8') 

任何你可以提供的肝素都会非常感谢......我尝试了几种不同的东西，这让我疯狂！

Answer 1

我不既无蟒蛇也不LXML经历，但问题可能是因为“H3”字符串不是unicode字符串和该字节a3本身不是一个Unicode代码点。你可以尝试更换：

'h3:contains(u"\xa3")' 

有：

u'h3:contains("\u00a3")'