如何使用暴力方法解析HTML JSON字符串，或如何在Python中修复 "<type 'str'> "中的 "\xfc"

Question

我有一个<type 'str'>变量，其中包含一些html。我的问题是，当打印到控制台时，这些特殊字符被编码成这样的"\xfc"，而不是{}。在

我已经试过了

html = html.encode('utf-8').decode('string_escape')

但没有成功。有谁能指引我正确的方向吗？在

谢谢！在

更新：

这个问题还没有解决。下面是关于这个问题的更多信息。。。在

我从一个外部源接收到一个json字符串，其中除了一些其他内容外，还包含html。我想用xpath以“强力方法”访问html，因为json结构经常更改。在

所以我想用漂亮的汤。在

为此，我将json字符串传递给json.loads（）将它变成一个对象。然后我将json对象类型转换为一个纯字符串，并将其传递给beautiful soup。在

这种方法效果很好，除了像ßüÄÜÜßäÜÜÜÜÜÜßäÜÜÜ。在

解决这个问题的最佳方法是什么？在

这是一些伪代码

^{pr2}$

这是beautiful soup返回的典型结果（参见Haus f\xfcr Belgien）

 <div class="sr_color">
          <div style="float:left">
           <a class="sr_color" href="">
            Haus f\xfcr Belgien
           </a>
           :
           <span>
            <span class="sr_num_color">
             5,0
            </span>
            <span style="display:-moz-inline-box;display:inline-block;float:none;vertical-align:-1px" class="star">
             <span style="width:65px">
              &nbsp;
             </span>
            </span>
           </span>
          </div>
         </div>

Answer 1

\xfc是ü在latin1中的表示。在

首先使用您的unicode编码并将其解码为适合您的html控制台：

u = html.decode('latin1')  # u is an unicode string
print u.encode('utf-8')    # u.encode('utf-8') is a bytestring, encoded in utf-8

---

请注意：

• decode从bytestrings转换为unicode
• encode从unicode转换为bytestrings

Bytestrings（python2中的str，python3中的bytes）是用于输入（例如HTML）和输出（例如控制台）的内容。Unicode（python2中的unicode，python3中的str）是您应该在程序中使用的。在