python - 在 python 中使用字符串会产生奇怪的引号

Question

目前我正在使用 scrapy ，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 的新手)包装数据 scrapy 使用项目，例如

item = MyItem()

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

当像 print item['id'] 这样打印 id 时，我得到以下输出

[u'12346']

我的问题是这个输出并不总是相同的形式。有时我会得到这样的输出

"[u""someText""]"

这只发生在文本上，但实际上，与像 ID 一样正确处理的其他文本相比，文本并没有什么特别之处。

有谁知道引号是什么意思？就像我说的 someText 像所有其他文本数据一样被抓取，例如来自

<a>someText</a>

有什么想法吗？

编辑:

我的蜘蛛抓取了博客的所有页面。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。所以他们不会随机出现。但是文字没有什么特别之处。例如。此标题产生引号

<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。

只有当项目被写入 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。当它打印一些东西时，它通常选择单引号，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):

所以通常情况下，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 会更加复杂。如果将字符串写入仅包含 ' 的 csv，则按原样写入。所以[u'....']写成[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) 任何双引号重复两次。所以 u["..."] 写成 [u""...""]"。如果您使用 csv 库读回 csv 数据，那么这将被检测并删除，因此不会造成任何问题。

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 库有多种选项来改变行为 - http://docs.python.org/library/csv.html

wikipedia page更详细地解释了引用规则 - 这里的行为由 "Super, ""luxurious""truck"

示例显示