python - 事后修复损坏的文本

Question

上个月我为 this 制作了一个刮板拉丁语词典。它终于完成了执行(该网站给了我每页 6 到 8 秒的响应时间)。不幸的是，我发现我的很大一部分数据严重受损......
例如。 commandūcor ----> 命令\xc5\xabcor || commandūcāris ----> 命令\xc5\xabc\xc4\x81ris

我犯了一个愚蠢的错误，对从请求中获得的原始数据使用了 str() 函数。就像这样:

import requests

r = requests.get("https://www.dizionario-latino.com/dizionario-latino-
flessione.php?lemma=COMMANDUCOR100", verify = False)

out = str(r.content)

with open("test.html", 'w') as file:
    file.write(out)

如果有人能帮助我恢复损坏的文本，我将不胜感激。提前致谢!

Answer 1

只是.decode他们使用 utf-8(默认)。您可以在 Python 的 Unicode howto 中阅读有关字符编码的更多信息。 .

b'command\xc5\xabcor'.decode()  # 'commandūcor'
b'command\xc5\xabc\xc4\x81ris'.decode()  # 'commandūcāris'