BeutifulSoap4和逃脫的HTML數據

Question

的Html我加載到BeutifulSoap4的格式如下：

\\u003C/span\\u003E\\u003Ca href=\\"javascript:void(0)\\" class=\\"something something22\\"\\u003EShowMore\\u003C/a\\u003E\\u003C/span\\u003E\\u003Cspan style=\\"display:none\\" class=\\"review-full-text\\"\\u003ESomething else.... 

因爲這BeutifulSoap4都找不到HTML標籤和，例如，它通常能夠：

bsoup1.find_all("div", class_="some_class") 

有沒有解決這個問題的標準方法？

Answer 1

您可以嘗試unicode_escape編碼

data = '\\u003C/span\\u003E\\u003Ca href=\\"javascript:void(0)\\" class=\\"something something22\\"\\u003EShowMore\\u003C/a\\u003E\\u003C/span\\u003E\\u003Cspan style=\\"display:none\\" class=\\"review-full-text\\"\\u003ESomething' 

print(data.encode('utf-8').decode('unicode_escape')) 

7.2.4. Python Specific Encodings