爬虫用 lxml 处理尖括号的问题

[8cbx]

我现在在写一个爬虫爬一些页面，发现有些页面中的内容含有'<'，例如<div>a<b</div>，源页面没有给'<'做转义。我用 lxml 处理的时候，取 text 只能取到 a ，后面的'<b'丢失了，请问一下大家遇到这种情况如何处理的？谢谢！

[pubby]

给站长报告 bug ，他改好了，你这边就正常了。

[abc950309]

text = res.text.replace('<', ‘&lt;’)

[binux]

这样的页面，浏览器就是解析成 <div>a<b< div=""></b<></div> 的，提取出 a<b 岂不是和用户看到的不一样了。

[jy02201949]

@abc950309 #2 应该 OK ，但是个页面这么搞，消耗资源太多了吧