我正在使用帶有 Python 2.7 的 Selenium (Chromedriver) 來(lái)抓取網(wǎng)站以獲取一些顯示在標(biāo)簽中的動(dòng)態(tài)文本。里面是嵌套在 JSON 對(duì)象中的 HTML 代碼，用于在我正在查看的頁(yè)面上創(chuàng)建內(nèi)容列表，但我只對(duì)獲取文本內(nèi)容感興趣。我能夠弄清楚如何使用 清除 HTML 標(biāo)簽re，但文本仍然包含特殊字符的 HTML 字符代碼，我想用它們對(duì)應(yīng)的字符替換。因此，例如，假設(shè)我的 json（在清除 HTML 標(biāo)簽后）如下：[    {        "data": {            "published_on": "2019-01-15T08:46:00+00:00",             "id": "somealphanumericid",             "short_description": "Albert Einstein&#8217;s Theory of Relativity&#58; Should We Worry&#8230;&#63;",             "series": "Science",             "long_description": "Albert Einstein does an interview with Mr&#46; John Smith about the application of the theory of relativity&#44; and what it could mean for the future of the pizza industry&#33;",             "duration": "752000",             "type": "video",             "title": "Albert Einstein&#8217;s Theory of Relativity&#58;"        },         "links": {            "permalink": "https://www.stackoverflow.com"        },         "key": "somealphanumericid"    },    ...]編輯：JSON 對(duì)象實(shí)際上是一個(gè) JSON 對(duì)象數(shù)組，因此[]. 我正在抓取的站點(diǎn)是分頁(yè)的，所以我從每個(gè)頁(yè)面獲取 JSON，最后將它們連接成一個(gè)數(shù)組，以便更容易使用。您可以看到句點(diǎn)、逗號(hào)、冒號(hào)等字符被抓取為相應(yīng)的 HTML 字符代碼?，F(xiàn)在，我正在遍歷 JSON 并將所有內(nèi)容放入 sqlite 數(shù)據(jù)庫(kù)中，因此我是否替換 JSON 本身中的字符代碼，或者是否在將數(shù)據(jù)推送到數(shù)據(jù)庫(kù)之前進(jìn)行替換都沒(méi)有關(guān)系。我嘗試做的第一件事是使用輔助函數(shù)，該函數(shù)將字符串作為參數(shù)并返回替換了字符的字符串。我基本上修改了可以在這里找到的解決方案。所以這個(gè)函數(shù)是：但是，這導(dǎo)致解析時(shí)出現(xiàn)以下錯(cuò)誤HTMLEntitiesToUnicode(data[i]['data']['series'])：File "BeautifulSoup.py", line 1918, in _detectEncoding    '^<\?.*encoding=[\'"](.*?)[\'"].*\?>').match(xml_data)TypeError: expected string or buffer我不明白為什么 BeautifulSoup 沒(méi)有將其視為字符串，但我嘗試將其修改為：HTMLEntitiesToUnicode(str(data[i]['data']['series']))然后給了我錯(cuò)誤：File "support.py", line 162, in json_to_rows    HTMLEntitiesToUnicode(str(data[i]['data']['series'])),UnicodeEncodeError: 'ascii' codec can't encode character u'\u2019' in position 129: ordinal not in range(128)添加.encode('utf-8')也沒(méi)有解決錯(cuò)誤（在具有相同錯(cuò)誤消息的各種其他帖子中推薦這樣做）。我的最終目標(biāo)只是將所有這些信息刮到一個(gè) db 中，使其格式化為正常的清晰文本（除了持續(xù)時(shí)間，INTEGER無(wú)論如何都是類(lèi)型的）。我想在數(shù)據(jù)被送入數(shù)據(jù)庫(kù)之前/當(dāng)數(shù)據(jù)被送入數(shù)據(jù)庫(kù)時(shí)替換字符，但也有可能我可以在一個(gè)單獨(dú)的函數(shù)中遍歷數(shù)據(jù)庫(kù)并清理它，盡管這似乎效率低得多這樣做的方式。