python - 是什么让 python webscrape 输出 unicode？

Question

我正在使用 BeautifulSoup 抓取表格及其内容，我注意到根据结束方式我得到了不同的输出 - 如果我直接打印它，我会得到一个没有 unicode 符号的输出。

html = urlopen('http://www.bcsfootball.org').read()
soup = BeautifulSoup(html)

for row in soup('table', {'class':'mod-data'})[0].tbody('tr'):
    tds = row('td')
    print tds[0].string, tds[1].string

给出:

1 Florida State
2 Auburn
3 Alabama
4 Michigan State
5 Stanford

等等(顺便说一句，有没有像 .head() 或索引这样的简单方法来限制行输出的数量？)

但是当我将最后一行括在括号中时，

print (tds[0].string, tds[1].string)

或者将变量分配给该行，然后打印该变量，

output = tds[0].string, tds[1].string
print output

我得到了unicode的输出:

(u'1', u'Florida State')
(u'2', u'Auburn')
(u'3', u'Alabama')
(u'4', u'Michigan State')
(u'5', u'Stanford')

这是怎么回事？提前致谢。

Answer 1

这是对象的 repr() 输出与其 str() 输出之间的差异。我还注意到您使用的是 Python 2.X，其中 print 是关键字:

>>> s=u'M\xfcrk'
>>> print s        # Formatted for output display
Mürk
>>> print repr(s)  # Formatted to view type and content
u'M\xfcrk'
>>> s              # It is what you get by default at interactive prompt
u'M\xfcrk'

请注意，repr 版本允许查看字符串中的不可打印字符，或可能无法在当前终端上表示的字符。

当您使用带有括号的 print 时，Python 2.X 认为您正在打印一个元组。显示列表和元组等序列时，默认显示字符串的 repr 版本:

>>> print (s)       # NOT a tuple, so seems to work
Mürk
>>> print (s,)      # A 1-tuple
(u'M\xfcrk',)
>>> print (s,1,2)   # A 3-tuple
(u'M\xfcrk', 1, 2)
>>> print s,1,2     # prints normally.
Mürk 1 2