somiceast的博客

用xpath做爬虫，初步etree.tostring整理网页框架，显示乱码，代码如下 # -*- coding:UTF-8 -*- import requests from lxml import etree url ='http://www.j342c.net/base.php?wer' raw_html = requests.get(url) ahtml = etree.HTML(raw_html.content) aresult = etree.tostring(ahtml) 网页由gb180

想做个爬虫，但爬取的网站有jsp生成的验证码，jsp如何生成的机制我不了解，而jsp下载下来是文本，而在html中显示 ，无法爬取 让我一筹莫展，没办法切割分裂进行机器识别。 后来我尝试改了后缀名，可行！ 外网java代码参考： http://boards.straightdope.com/sdmb/showthread.php?t=109081 http://st