用lxml解析日语xml

Question

我有以下xml文档：

<package>
    <title>セレニティー (字幕版)</title> 
    ... 
</package>

我使用lxml来解析标题，如下所示：

^{pr2}$

{{I>但是，当我使用这个cdi}的数据库时：

セレニティー (字幕版)

我如何正确地解析title这里（セレニティー（字幕版）），这样我就可以对值进行INSERT。在

Answer 1

实际上这对我来说是lxml本身的一个问题，他们假设每个人都默认使用ASCII/Latin-1，这很愚蠢。即使尝试在UTF-8中运行解析器也可能会返回错误，请尝试如下调用解析器：

parser = etree.HTMLParser(encoding='shift-jis')

据我所见，Shift-JIS仍然是日语页面中最常见的字符集。我的Python/lxml模块http://github.com/caio1982/Amazon-Wishlist使用上面的方法处理日语页面。在

Answer 2

确保MySQL实例也被设置为将Unicode存储为UTF-8。在