lxml fromstring() 生成 HTML 代码到处答案

【问题标题】：lxml fromstring() yields HTML code with  everywherelxml fromstring() 生成 HTML 代码到处
【发布时间】：2016-10-18 08:08:57
【问题描述】：

我正在通过 Intranet 阅读网页

        webpage = urllib2.urlopen(urllib2.Request(self.URL))
        doc =  webpage.read()
        root = html.fromstring(doc)

我注意到我无法通过 findall() 从此根对象中读取任何内容，然后我通过以下方式查看了根对象：

code = etree.tostring(root)

这为我提供了准确的 HTML 代码，但带有

&#13;

代码中的任何地方。我认为这可能会导致我的解析问题（至少我希望如此）。

如何从中获得干净的 HTML 代码？需要任何编码/解码吗？

我尝试将其解码为 UTF-8，但这似乎不起作用。

print code.decode('utf-8')

【问题讨论】：

【解决方案1】：

没关系，这不是问题。

问题是我下载了网站并离线解析它，它潜入其中

我在 Xpath 查询中使用的标签。这导致我的脚本在通过 lxml 下载新网站时无法工作。

【讨论】：