2019-05-07

2019-05-07随笔，今天又又又遇到了一个比较奇葩得问题。

  是关于python得xpath工具lxml得。 众所周知lxml集成了xpath,于是成为了众多python爬虫无望而不利得超级利器！ 

 而今天这个呢，就是一个lxml得一个bug！ 如果不是亲自遇到了我都不会想到，lxml会出现这么个低级错误！

自己所写的使用lxml进行解析的代码

上面呢，没啥好说的就是一个简单页面，解析，接下来，是重头戏！

这个是etree.HTML(str) 之后的页面内容！ 这个是str的内容

   认真看，发现什么了没 ？ 

   没错，两者不一样？ 

在这里，我特意将两个都拉出来作为对比

可以看到， 经过lxml转化之后，页面，少了一部分！ 

而在查阅众多博客尝试众多方法之后，发现只有如下理论才是真正正确的，并且是可以解决这个问题的。

那就是 页面被 unicode 编码格式的 空格，给隔断了！ 在这里，只需要 str.replace("\u0000","") 将这部分替换掉，就可以正常执行了，页面内容也不会缺失了！

  另外还有一个小bug. 

如图，这个xpath 是可以查询到数据的 而这个就查不到了

  众所周知，class 属性是一个 html 中 一个非全局唯一性的属性！ 也就是说，这个可以出现多个，多次。 而 lxml 在是用class查询的时候，如果需要将他们全部class 属性都添加上去的话？ 恐怕？ 不太好吧！ 

    这边呢，就是我在7号，写东西发现的全部的内容了！ 

   欢迎各位大佬积极拍砖！