Python 使用lxml和请求进行HTML抓取时会出现unicode错误

我正在尝试使用HTML刮刀一样，提供了一个。对于他们提供的示例，它工作得很好。但是，当我尝试将其用于时，收到此错误-

不支持带有编码声明的Unicode字符串。请使用无声明的字节输入或XML片段。

我尝试过谷歌搜索，但找不到解决办法。我真的很感激任何帮助。我想知道是否有办法使用Python将其复制为HTML

编辑：

from lxml import html
import requests
page = requests.get('http://cancer.sanger.ac.uk/cosmic/gene/analysis?ln=PTEN&ln1=PTEN&start=130&end=140&coords=bp%3AAA&sn=&ss=&hn=&sh=&id=15#')
tree = html.fromstring(page.text)

---

谢谢。

简短回答：使用

page.content

，而不是

page.text

发件人：

lxml.etree中的解析器可以直接处理unicode字符串。。。但是，这要求unicode字符串本身不指定冲突的编码，从而隐瞒其真实编码

发件人：

请求将自动解码来自服务器的内容[作为

r.text

]。。。您还可以以字节的形式访问响应正文[作为

r.content

]

您可以看到，

requests.text

和

lxml.etree

都希望将utf-8解码为unicode。但是如果我们让

requests.text

进行解码，那么xml文件中的编码语句就变成了谎言

---

因此，让我们进行

请求。内容
不进行解码。这样，
lxml
将收到一个始终未编码的文件。
请将您的刮板减少到最小的程序，使其仍然显示错误，并将该短程序复制粘贴到您的问题中。有关详细信息，请参阅ᵩ 我添加了代码，错误仍然是一样的：不支持带有编码声明的Unicode字符串。请使用无声明的字节输入或XML片段。这很有帮助。谢谢你。这工作做得很好，谢谢你