- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我正在尝试使用 BeautifulSoup 4 从网络上抓取文本以将其解析出来。将 bs4 处理的文本打印到控制台时遇到问题。每当我碰到一个原本是 HTML 实体的字符时,比如 ’我在控制台上收到乱码。我相信 bs4 正确地将这些实体转换为 unicode,因为如果我尝试使用另一种编码来打印文本,它会提示缺少适当的字符 unicode 映射(比如 u'\u2019。)我不确定为什么打印功能对这些字符感到困惑。我已经尝试更改字体,这会更改垃圾字符,并且我在具有美式英语语言环境的 Windows 7 机器上。这是我的代码供引用,任何帮助表示赞赏。提前致谢!
#!/usr/bin/python
import json
import urllib2
import cookielib
import bs4
cj = cookielib.CookieJar()
opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cj))
url = "http://api.nytimes.com/svc/search/v2/articlesearch.json?q=Tiguan\
&page=0&api-key=blah"
response = opener.open(url)
articles = response.read()
decoded = json.loads(articles)
totalpages = decoded['response']['meta']['hits']/10
for page in range(totalpages + 1):
if page>0:
url = "http://api.nytimes.com/svc/search/v2/articlesearch.json?\
q=Tiguan&page=" + str(page) + "&api-key=blah"
response = opener.open(url)
articles = response.read()
decoded = json.loads(articles)
for url in decoded['response']['docs']:
print url['web_url']
urlstring = url['web_url']
art = opener.open(urlstring)
soup = bs4.BeautifulSoup(art.read())
goodstuff = soup.findAll('nyt_text')
for tag in goodstuff:
print tag.prettify().encode("UTF")
最佳答案
这个问题与 bs4、HTML 实体或其他任何东西都无关。您可以在大多数 Windows 系统上重现完全相同的行为,使用单行程序打印出在您尝试打印时显示为垃圾的相同字符,如下所示:
print u'\u2019'.encode('UTF-8')
这里的问题是,与绝大多数 Windows 系统(2013 年没有其他人使用)一样,您的默认字符集不是 UTF-8,而是 CP1252 之类的东西。
因此,当您将 Unicode 字符串编码为 UTF-8 并将这些字节打印到控制台时,控制台会将它们解释为 CP1252。在这种情况下,这意味着您得到的是 '
而不是 '
。
更改字体无济于事。 \u2013
的UTF-8编码为\xe2
、\x80
、\x99
三个字节,这三个字节的 CP1252 含义是 â
、€
和 ™
。
如果您想为控制台手动编码,您需要编码为正确 字符集,即您的控制台实际使用的字符集。您可以将其作为 sys.stdout.encoding
获取。
当然,您可能会在尝试为正确的字符集编码时遇到异常,因为像 CP1252 这样的 8 位字符集只能处理 Unicode 110K 字符中的大约 240 个。处理这个问题的唯一方法是使用 encode
的 errors
参数来忽略它们或用替换字符替换它们。
与此同时,如果您还没有阅读 Unicode HOWTO ,你真的需要。特别是如果您打算坚持使用 Python 2.x 和 Windows。
如果您想知道为什么一些命令行程序似乎能够解决这些问题:Microsoft 对字符集问题的解决方案是创建一整套并行的 API,这些 API 使用 16 位字符而不是 8 位字符-bit,并且这些 API 始终使用 UTF-16。不幸的是,许多东西,例如 Microsoft 提供的用于与控制台对话的可移植 stdio 包装器以及 Python 2.x 所依赖的包装器,只有 8 位 API。也就是说问题根本没有解决。 Python 3.x 不再使用这些包装器,并且一直在反复讨论使某些 future 版本与控制台对话 UTF-16。但即使这种情况发生在 3.4 中(这似乎不太可能),只要您使用的是 2.x,那也无济于事。
关于python - BeautifulSoup 4 将 HTML 实体转换为 unicode,但在使用打印时出现垃圾字符,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20624847/
我在网上搜索但没有找到任何合适的文章解释如何使用 javascript 使用 WCF 服务,尤其是 WebScriptEndpoint。 任何人都可以对此给出任何指导吗? 谢谢 最佳答案 这是一篇关于
我正在编写一个将运行 Linux 命令的 C 程序,例如: cat/etc/passwd | grep 列表 |剪切-c 1-5 我没有任何结果 *这里 parent 等待第一个 child (chi
所以我正在尝试处理文件上传,然后将该文件作为二进制文件存储到数据库中。在我存储它之后,我尝试在给定的 URL 上提供文件。我似乎找不到适合这里的方法。我需要使用数据库,因为我使用 Google 应用引
我正在尝试制作一个宏,将下面的公式添加到单元格中,然后将其拖到整个列中并在 H 列中复制相同的公式 我想在 F 和 H 列中输入公式的数据 Range("F1").formula = "=IF(ISE
问题类似于this one ,但我想使用 OperatorPrecedenceParser 解析带有函数应用程序的表达式在 FParsec . 这是我的 AST: type Expression =
我想通过使用 sequelize 和 node.js 将这个查询更改为代码取决于在哪里 select COUNT(gender) as genderCount from customers where
我正在使用GNU bash,版本5.0.3(1)-发行版(x86_64-pc-linux-gnu),我想知道为什么简单的赋值语句会出现语法错误: #/bin/bash var1=/tmp
这里,为什么我的代码在 IE 中不起作用。我的代码适用于所有浏览器。没有问题。但是当我在 IE 上运行我的项目时,它发现错误。 而且我的 jquery 类和 insertadjacentHTMl 也不
我正在尝试更改标签的innerHTML。我无权访问该表单,因此无法编辑 HTML。标签具有的唯一标识符是“for”属性。 这是输入和标签的结构:
我有一个页面,我可以在其中返回用户帖子,可以使用一些 jquery 代码对这些帖子进行即时评论,在发布新评论后,我在帖子下插入新评论以及删除 按钮。问题是 Delete 按钮在新插入的元素上不起作用,
我有一个大约有 20 列的“管道分隔”文件。我只想使用 sha1sum 散列第一列,它是一个数字,如帐号,并按原样返回其余列。 使用 awk 或 sed 执行此操作的最佳方法是什么? Accounti
我需要将以下内容插入到我的表中...我的用户表有五列 id、用户名、密码、名称、条目。 (我还没有提交任何东西到条目中,我稍后会使用 php 来做)但由于某种原因我不断收到这个错误:#1054 - U
所以我试图有一个输入字段,我可以在其中输入任何字符,但然后将输入的值小写,删除任何非字母数字字符,留下“。”而不是空格。 例如,如果我输入: 地球的 70% 是水,-!*#$^^ & 30% 土地 输
我正在尝试做一些我认为非常简单的事情,但出于某种原因我没有得到想要的结果?我是 javascript 的新手,但对 java 有经验,所以我相信我没有使用某种正确的规则。 这是一个获取输入值、检查选择
我想使用 angularjs 从 mysql 数据库加载数据。 这就是应用程序的工作原理;用户登录,他们的用户名存储在 cookie 中。该用户名显示在主页上 我想获取这个值并通过 angularjs
我正在使用 autoLayout,我想在 UITableViewCell 上放置一个 UIlabel,它应该始终位于单元格的右侧和右侧的中心。 这就是我想要实现的目标 所以在这里你可以看到我正在谈论的
我需要与 MySql 等效的 elasticsearch 查询。我的 sql 查询: SELECT DISTINCT t.product_id AS id FROM tbl_sup_price t
我正在实现代码以使用 JSON。 func setup() { if let flickrURL = NSURL(string: "https://api.flickr.com/
我尝试使用for循环声明变量,然后测试cols和rols是否相同。如果是,它将运行递归函数。但是,我在 javascript 中执行 do 时遇到问题。有人可以帮忙吗? 现在,在比较 col.1 和
我举了一个我正在处理的问题的简短示例。 HTML代码: 1 2 3 CSS 代码: .BB a:hover{ color: #000; } .BB > li:after {
我是一名优秀的程序员,十分优秀!