python编码错误小结以及保存方式修改

我用的是python2.6。

学习python写爬虫的时候，一般都会用到一个Demo-------

这个Dmoe在学习的时候确实是非常好的例子，但是我们可能需要对它进行修改，这就会出现一些问题。

再对demo进行修改的时候发现了一些编码问题下面就发出来做个记录。 python UnicodeEncodeError:'ascii'code can't encode characters in position 23-26：ordinal not in range(128) 这是一个编码错误。

我的错误代码具体如下：

 

item['intro'] = self._get_xpath_text(hxs, u'//td[contains(text(), "企业介绍")]/preceding-sibling::td/strong/text()')这样写就会发生下面的错误

 

这个错误我首先在dmoz_spider.py的文件头部加入了：

# -*- coding:utf-8 -*-

发现没有任何效果。

最后通过在下面的位置加入代码问题就解决了。

这部分一定要在前面加入一句引用：

import sys

编码问题得到解决了

 

 

在原例子中把爬取得内容保存成json格式，但是我们平时需要把内容保存到数据中，一般是mysql或者excel中。

在阅读了一些文献后发现可以这么解决，

在进行爬虫的时候命令修改为：

scrapy crawl dmoz -o items.xml -t xml

这样文件会直接保存成一个XML文件，再调用mysql或者excel都可以完全的导入进去。