python - 在 python 中使用字符串会产生奇怪的引号

Question

目前我正在与 scrapy 合作，这是一个基于python的网络爬虫框架。使用 XPATH 从 html 中提取数据。 (我是Python新手)要包装数据scrapy使用项目，例如

item = MyItem()

item['id'] = obj.select('div[@class="id"]').extract()

当 id 像 print item['id'] 一样打印时，我得到以下输出

[u'12346']

我的问题是这个输出并不总是采用相同的形式。有时我会得到类似的输出

"[u""someText""]"

这种情况仅发生在文本中，但实际上，与像 ID 一样正确处理的其他文本相比，该文本没有什么特别之处。

有人知道引号是什么意思吗？就像我说的，someText 像所有其他文本数据一样被爬行，例如来自

<a>someText</a>

有什么想法吗？

编辑:

我的蜘蛛会爬行博客的所有页面。这是确切的输出

[u'41039'];[u'title]

[u'40942'];"[u""title""]"]

...

提取方式

item['title']   = site.select('div[@class="header"]/h2/a/@title').extract()

我注意到相同的博客文章总是带有这个引号。所以它们并不是随机出现的。但文字并没有什么特别之处。例如。该标题产生引号

<a title="Xtra Pac Telekom web'n'walk Stick Basic für 9,95" href="someURL">
    Xtra Pac Telekom web'n'walk Stick Basic für 9,95</a>

所以我的第一个想法是这是因为一些特殊字符，但实际上没有。

只有当项目写入 csv 时才会发生这种情况，当我在 cmd 中打印它们时，没有引号。

有什么想法吗？

Answer 1

python 可以使用单引号 ' 和双引号 " 作为引号。当它打印出某些内容时，它通常会选择单引号，但如果它正在打印的文本包含单引号(以避免必须转义字符串中的引号):

通常情况下，它会打印 [u'....'] 但有时您的文本包含 ' 字符，然后它会打印 [你“....”].

然后写入 csv 会出现额外的复杂情况。如果写入 csv 的字符串仅包含 '，则按原样写入。因此 [u'....'] 写为 [u'....']。

但如果它包含双引号，则 (1) 所有内容都放在双引号内，并且 (2) 任何双引号都会重复两次。因此 u["..."] 写作 "[u""...""]"。如果您使用 csv 库读回 csv 数据，那么这将被检测到并删除，因此不会导致任何问题。

所以它是包含单引号的文本(使 python 使用双引号)和 csv 引用规则(适用于双引号，但不适用于单引号)的组合。

如果这是一个问题，csv 库有各种选项来更改行为 - http://docs.python.org/library/csv.html

wikipedia page更详细地解释了报价规则 - 此处的行为由 “ super ，“豪华”卡车”

示例显示