提取html某标签中文字时，文字中含有：“<sub>2</sub>O<sub>5</sub>”，导致提取的文字不符合预期。
解决方法：
#coding=utf-8 from lxml import etree from HTMLParser import HTMLParser html = u‘‘‘ <html> <span id="chTitle">退火对Nb<sub>2</sub>O<sub>5</sub>薄膜的折射率和厚度的影响</span> </html> ‘‘‘ tree = etree.HTML(html) # 结果为：退火对Nb content1 = tree.xpath("//span[@id=‘chTitle‘]/text()")[0] print content1 # 结果为：退火对Nb<sub>2</sub>O<sub>5</sub>薄膜的折射率和厚度的影响 table = tree.xpath("//span[@id=‘chTitle‘]")[0] content2 = etree.tostring(table, method=‘html‘) print HTMLParser().unescape(content2)[19:-8]
