日本語が化けて大変苦労したのでメモ。 結論として、XML（またはHTML）を解析する前にunicode関数に通しておく、 ということで良いのかな？ 相変わらず文字コード関連はよく分からない。 from urllib import urlopen from lxml import etree html = urlopen(…

今後も使えそうなのでメモ。 import re from django.core.exceptions import ObjectDoesNotExist from sample.web.models import WebPage PATTERN = r'<a href="%(dummy_url)s" >%(real_url)s</a>' HTML_TEMPLATE = re.compile(r"((http|https)://[-_.!~*\'()a-zA-Z0-9;\/?:\@&=+\$,%#]+)"…