我正在使用帶有 Python 2.7 的 Selenium (Chromedriver) 來抓取網站以獲取一些顯示在標簽中的動態文本。里面是嵌套在 JSON 對象中的 HTML 代碼，用于在我正在查看的頁面上創建內容列表，但我只對獲取文本內容感興趣。我能夠弄清楚如何使用 清除 HTML 標簽re，但文本仍然包含特殊字符的 HTML 字符代碼，我想用它們對應的字符替換。因此，例如，假設我的 json（在清除 HTML 標簽后）如下：[    {        "data": {            "published_on": "2019-01-15T08:46:00+00:00",             "id": "somealphanumericid",             "short_description": "Albert Einstein&#8217;s Theory of Relativity&#58; Should We Worry&#8230;&#63;",             "series": "Science",             "long_description": "Albert Einstein does an interview with Mr&#46; John Smith about the application of the theory of relativity&#44; and what it could mean for the future of the pizza industry&#33;",             "duration": "752000",             "type": "video",             "title": "Albert Einstein&#8217;s Theory of Relativity&#58;"        },         "links": {            "permalink": "https://www.stackoverflow.com"        },         "key": "somealphanumericid"    },    ...]編輯：JSON 對象實際上是一個 JSON 對象數組，因此[]. 我正在抓取的站點是分頁的，所以我從每個頁面獲取 JSON，最后將它們連接成一個數組，以便更容易使用。您可以看到句點、逗號、冒號等字符被抓取為相應的 HTML 字符代碼?，F在，我正在遍歷 JSON 并將所有內容放入 sqlite 數據庫中，因此我是否替換 JSON 本身中的字符代碼，或者是否在將數據推送到數據庫之前進行替換都沒有關系。我嘗試做的第一件事是使用輔助函數，該函數將字符串作為參數并返回替換了字符的字符串。我基本上修改了可以在這里找到的解決方案。所以這個函數是：但是，這導致解析時出現以下錯誤HTMLEntitiesToUnicode(data[i]['data']['series'])：File "BeautifulSoup.py", line 1918, in _detectEncoding    '^<\?.*encoding=[\'"](.*?)[\'"].*\?>').match(xml_data)TypeError: expected string or buffer我不明白為什么 BeautifulSoup 沒有將其視為字符串，但我嘗試將其修改為：HTMLEntitiesToUnicode(str(data[i]['data']['series']))然后給了我錯誤：File "support.py", line 162, in json_to_rows    HTMLEntitiesToUnicode(str(data[i]['data']['series'])),UnicodeEncodeError: 'ascii' codec can't encode character u'\u2019' in position 129: ordinal not in range(128)添加.encode('utf-8')也沒有解決錯誤（在具有相同錯誤消息的各種其他帖子中推薦這樣做）。我的最終目標只是將所有這些信息刮到一個 db 中，使其格式化為正常的清晰文本（除了持續時間，INTEGER無論如何都是類型的）。我想在數據被送入數據庫之前/當數據被送入數據庫時替換字符，但也有可能我可以在一個單獨的函數中遍歷數據庫并清理它，盡管這似乎效率低得多這樣做的方式。