lijiaqi0612的博客

我主要是用了两个方法来抽去正文内容，第一个方法，诸如xpath，css，正则表达式，beautifulsoup来解析新闻页面的时候，总是会遇到这样那样各种奇奇怪怪的问题，让人很头疼。第二个方法是后面标红的，主要推荐用newspaper库在导师公司，需要利用重度搜索引擎来最快的获取想要的内容，再建立语料库，于是我用python 的 beautifulsoup 和urllib 来抓取一些网页内容来...

print(len('你好啊'))结果为 3一般汉字在uicode编码格式中，一个汉字对应长度为1在utf-8编码格式中，一个汉字对应长度为3我在刚开始写的时候，在python3环境下，列表value里，用的是：len(value[i].decode('utf-8')) 但运行结果错误，我又把utf-8去掉，还是不行，最后直接用len(value[i])，最后结果就正确了。...