有的時候，需要把整個 html 節點原封不動地取下來，也就是包括節點標籤、節點內容，甚至也包括內容中的空格、各種特殊符號等等。
假設已獲取到頁面原始碼，並將其儲存在變數src中。則可有**如下：
from html import unescape
from lxml import etree
from lxml import html
# 先載入頁面原始碼，便於後續使用 xpath 解析
root = etree.html(src)
# 根據 xpath 路徑提取節點
script = root.xpath('//script')[-1]
# 關鍵的一步：把整個節點轉為字串
raw_tab = html.tostring(script)
# 此時 print(raw_tab) 會遇到中文亂碼（其實不是亂碼，是另一種編碼顯示了）的情況，需要使用 unescape
json_str = json.loads(raw_tab)
print(unescape(json_str['$meta']['cityname']))
# 如果本身不是 json 字串，則因為 unescape 函式接收的是 bytes-like 物件，所以需要先 decode
print(unescape(raw_tab.decode()))
html內容提取
前段時間，一直在弄html提取問題，可謂道路曲折 當然，現在看來是走了些彎路 現小結一下。總得來說，一般有三種方法 第一種方法 直接提取 即只提取除 之外的的東東，具體實現上，可以直接獲取 之內的文字，也可以先踢出 之內的文字。這裡給出直接獲取 之內的文字的程式片段。注意了，這種方法思路簡單，但效果...
Python筆記從html中提取字段
def fun url url total 景區 page size 20 page num 1 ion 白山市 scope 2 output json ak 秘鑰 response requests.get url total url total html response.text print ...
python提取內容 使用Python提取小說內容
具體實現功能如下 輸入 目錄頁的url之後，指令碼會自動分析目錄頁，提取 的章節名和章節鏈結位址。然後再從章節鏈結位址逐個提取章節內容。現階段只是將 從第一章開始，每次提取一章內容，回車之後提取下一章內容。其他 的結果可能有不同，需要做一定修改。在逐浪測試過正常。coding utf8 usr bi...