【我是小白】爬取xml文件里的字段内容，报错ValueError: Unicode strings with enc...,Python交流,技术交流,鱼C论坛

lqq123 发表于 2021-5-28 17:28:18

【我是小白】爬取xml文件里的字段内容，报错ValueError: Unicode strings with enc...

本帖最后由 lqq123 于 2021-5-29 09:11 编辑

使用lxml爬取xml网页里的body字段，请大神指点

先上xml文件

<?xml version="1.0" encoding="ISO-8859-1"?>

<note>
   <to>George</to>
   <from>John</from>
   <heading>Reminder</heading>
   <body>Don't forget the meeting!</body>
</note>

想获取xml文件里的body字段的文本，总是报错，我还没好好学，先请大神指点如何修改
import requests
from lxml import etree
def main():
url = 'https://www.w3school.com.cn/example/xmle/note.xml'
headers = {'user-agent': 'firefox'}
r = requests.get(url, headers=headers)
html = etree.XML(r.text)
result = html.xpath('.//body')
print(result.text)
if __name__ == '__main__':
main()

wp231957 发表于 2021-5-28 17:49:30

你这个是解析网页的，解析文件你试试
xml_file = etree.parse(r'd:\test.xml')

suchocolate 发表于 2021-5-28 17:53:36

解析本地xml：from lxml import etree

html = etree.parse('test.xml', etree.XMLParser())
result = html.xpath('.//CustomerName')
print(result.text)

或

import xml.etree.ElementTree as ET

tree = ET.parse('test.xml')
root = tree.getroot()
result = root.findall('.//CustomerName')
print(result.text)

lqq123 发表于 2021-5-28 18:00:32

本帖最后由 lqq123 于 2021-5-28 18:03 编辑

suchocolate 发表于 2021-5-28 17:53
解析本地xml：
或

求教，如果是xml网页呢，需要怎么加url

wp231957 发表于 2021-5-28 18:04:20

lqq123 发表于 2021-5-28 18:00
求教，如果是xml网页呢，需要怎么加url

网页一般都是html

suchocolate 发表于 2021-5-28 18:08:33

lqq123 发表于 2021-5-28 18:00
求教，如果是xml网页呢，需要怎么加url

网页一般是HTML。
把你想爬的网页发上来，把想爬的内容说清楚。

lqq123 发表于 2021-5-28 18:12:37

suchocolate 发表于 2021-5-28 18:08
网页一般是HTML。
把你想爬的网页发上来，把想爬的内容说清楚。

我们内部有个接口查询的地址，查询出来是xml格式的网页，我需要从这上面抓取字段

suchocolate 发表于 2021-5-28 18:46:44

lqq123 发表于 2021-5-28 18:12
我们内部有个接口查询的地址，查询出来是xml格式的网页，我需要从这上面抓取字段

import requests
from lxml import etree

def main():
url = 'xxx'
headers = {'user-agent': 'firefox'}
r = requests.get(url, headers=headers)
html = etree.XML(r.text)
result = html.xpath('.//CustomerName')
print(result.text)

if __name__ == '__main__':
main()

lqq123 发表于 2021-5-29 08:44:00