使用lxml / scrapy选择器xpath后如何获取原始的html实体？
我已经尝试使用lxml代替parsel包，这是同样的问题。
mytext = '<html><body><span>go od</span></body></html>'
sel = parsel.Selector(text=mytext)
sel.xpath('//body').extract()
实际输出：
['<body><span>go\xa0od</span></body>']
预期输出：
['<body><span>go od</span></body>']
已转换，如何保持原样？
根据文档，当前，.extract()和.getall()方法返回原始html with Unicode字符，例如\xa0，即 。更多信息here。
但是，.extract_first()和.get()方法仅返回列表中的第一个，并且输出为without Unicode字符。 （Docs）
print(sel.xpath('//body').get())
输出：
<body><span>go od</span></body>
但是如果您真的想使用 而不是''或\xa0。然后一种解决方案是对这些字符进行常规字符串替换。
示例：
body = sel.xpath('//body').extract()
result = [i.replace('\xa0', ' ') for i in body]
print(result)
输出：
['<body><span>go od</span></body>']