mac os 上的 lxml 无法解析包含 emoji 的 html？
mac os 上的 lxml 无法解析包含 emoji 的 html
<html><head> <title>随机 Emoji 示例</title></head><body> <p id="emojiParagraph">�� 这是一个带有随机 Emoji 的段落: </p></body></html>对于上面带有 emoji 的 html，lxml 会返回 None
from lxml import etreefrom mark import BASE_DIRwith open(BASE_DIR/'123.html', 'r', encoding='utf-8') as file: dom = etree.HTML(file.read()) print(dom)输出如下：
None如果我删除 emoji
<html><head> <title>随机 Emoji 示例</title></head><body> <p id="emojiParagraph"> 这是一个带有随机 Emoji 的段落: </p></body></html>继续使用同样的代码
from lxml import etreefrom mark import BASE_DIRwith open(BASE_DIR/'123.html', 'r', encoding='utf-8') as file: dom = etree.HTML(file.read()) print(dom)输出如下：
<Element html at 0x102d05a80>所以，问题在于 lxml 无法解析带有 emoji 的网页，这个问题在 liunx 上无法复现
这个问题在 macos 上的任意 python 版本可以复现
这个问题在 macos 上的任意 lxml 版本可以复现
类似的问题如下，但是也没人管
- https://bugs.launchpad.net/lxml/+bug/1981134
- https://bugs.launchpad.net/lxml/+bug/1949271
针对这个问题，我也去提了一个 bug，不知道会不会有回音：https://bugs.launchpad.net/lxml/+bug/2046208
共有1个答案
官方已经把问题已经解决了
https://bugs.launchpad.net/lxml/+bug/2046208
把 lxml 升级到 >=5.0.1 就行了
-
我在项目中使用iBeacons，需要从广告数据中提取主要、次要、UUID、txPower和信标类型的值。 我从CBCentralManagerDelegate获取广告数据： 然后我得到主要，次要，uuid和txPower值： 但我如何才能得到信标类型？（iBeacon规范中的0x02和0x15值） 更新：我在Obj-C中找到了下一个用于确定信标类型的函数 但它在Swift中不起作用。
-
问题内容： 因此，我有一个主要的JSP索引页面“ index.jsp”，其中包含多个内容。就像是， “ include.jsp”包含字符串“ String basePath = request.getContextPath（）;”。 “ navbar.jsp”使用“ basePath”，但是Eclipse在使用“ basePath”和“ basePath无法解析”消息的“ navbar.jsp”的
-
Android Studio内联编译器显示红色错误，但使用gradle编译效果良好。Android Studio将语法标记为错误，但gradle编译 通过编辑和升级Gradle版本后，我的项目中断了。但是我可以在虚拟设备上运行它而不会出错。 最初我想让新遗迹工作，这需要新版本的gradle。这引起了更大的问题。你能帮我找到解决方案吗？ 我想我明白了。我创建了一个新项目，只复制了旧项目的java源文
-
本文向大家介绍Python中的html5lib和lxml解析器，包括了Python中的html5lib和lxml解析器的使用技巧和注意事项，需要的朋友参考一下 html5lib是用于解析HTML的纯Python库。它被设计为符合WHATWG HTML规范，所有主要的Web浏览器都实现了该规范。它可以解析HTML文档的几乎所有元素，将其分解为不同的标记和片段，可以针对各种用例将其过滤掉。它以与主要浏
-
使用5.4.1，Gradle能够解决表单的依赖关系： 依赖项工件存储在jFrog artifactory的以下位置： 如果我将包装升级到6.5，Gradle将无法再解决依赖关系。如果设置完全在我的控制之下，我会将工件移动到： and be on my merry way.不幸的是，它不是，所以我不能。有没有一种直接的方法可以在我的项目中解决它，而不改变artiFactory中的结构？我正在使用ma
-
问题内容： 我正在尝试使用具有库重复键的无效结构解析json 。如果json中有重复的键，我想将它们提取为。 我要解析的示例（我要解析的实际json来自json导出）： 但是，由于此json具有重复键，因此仅保留了最后一个值： 我也试过了具有支持的模块，但是它不能像预期的那样用于嵌套json对象。 将Guava模块用于之前显示的json的示例： 我应该如何使用库解决此问题？是否还有其他支持Java