极客观点
项目管理
HarmonyOS
mac os 上的 lxml 无法解析包含 emoji 的 html
<html>
<head>
<title>随机 Emoji 示例</title>
</head>
<body>
<p id="emojiParagraph">😄 这是一个带有随机 Emoji 的段落: </p>
</body>
</html>对于上面带有 emoji 的 html，lxml 会返回 None
from lxml import etree
from mark import BASE_DIR
with open(BASE_DIR/'123.html', 'r', encoding='utf-8') as file:
dom = etree.HTML(file.read())
print(dom)输出如下：
None如果我删除 emoji
<html>
<head>
<title>随机 Emoji 示例</title>
</head>
<body>
<p id="emojiParagraph"> 这是一个带有随机 Emoji 的段落: </p>
</body>
</html>继续使用同样的代码
from lxml import etree
from mark import BASE_DIR
with open(BASE_DIR/'123.html', 'r', encoding='utf-8') as file:
dom = etree.HTML(file.read())
print(dom)输出如下：
<Element html at 0x102d05a80>所以，问题在于 lxml 无法解析带有 emoji 的网页，这个问题在 liunx 上无法复现
这个问题在 macos 上的任意 python 版本可以复现
这个问题在 macos 上的任意 lxml 版本可以复现
类似的问题如下，但是也没人管
针对这个问题，我也去提了一个 bug，不知道会不会有回音：https://bugs.launchpad.net/lxml/+bug/2046208
官方已经把问题已经解决了
https://bugs.launchpad.net/lxml/+bug/2046208
把 lxml 升级到 >=5.0.1 就行了