我的编码哪里错了？（出现字母“x95\x84\xeb\....”。）答案

【问题标题】：Where is my encoding wrong? (The letter "x95 \ x84 \ xeb \...." appears.)我的编码哪里错了？（出现字母“x95\x84\xeb\....”。）
【发布时间】：2017-12-28 11:04:28
【问题描述】：

我的编码哪里错了？（出现字母“o”。）

Sys.setdefaultencoding ('utf-8')此声明已被删除。我用Python 3。

那么字母x95\x84\xeb\xb0\xb0\xea\xb3\xa0\xed\x8c\x8c'就这样出来了。

我的编码哪里错了？

我也觉得很难理解，

346 seconds: 52.25020146369934
347 seconds: 52.694828271865845
348 seconds: 52.80767774581909
349 seconds: 52.92116045951843

这样，数据（推文）就出来了。这是什么意思？

#py3.6
import time
from selenium import webdriver
import codecs
import sys
import importlib

importlib.reload (sys)

browser = webdriver.PhantomJS('C:\phantomjs-2.1.1-windows/bin/phantomjs')
url = u'https://twitter.com/search?f=tweets&vertical=default&q=%EB%B0%B0%EA%B3%A0%ED%8C%8C%20since%3A2017-07-19%20until%3A2017-07-20&l=ko&src=typd&lang=ko'

browser.get(url)
time.sleep(1)

body = browser.find_element_by_tag_name('body')
browser.execute_script("window.scrollTo(0,document.body.scrollHeight);")

start = time.time()
for _ in range(5000):
    now = time.time()
    browser.execute_script("window.scrollTo(0,document.body.scrollHeight);")
    print (str(_) + "    seconds: " + str(now - start))
    time.sleep(0.1)

tweets=browser.find_elements_by_class_name('tweet-text')

with codecs.open("dlrjtdmstnrwp.txt", "w","utf-8") as f:
    i = 1
    for i, tweet in enumerate(tweets):
        data = tweet.text
        data = data.encode('utf-8')
        print (i, ":", data)
    msg = (str(data) +'\n')
    f.write(msg)
    i += 1

end = time.time() 
print(end - start)
browser.quit()

【问题讨论】：

据我所知，推文的文本已经是 unicode。据我了解，您想将推文写入文件，那么您为什么要对数据进行编码？为什么在那之后使用str(data)？
不要触摸编码系统，codecs.open("dlrjtdmstnrwp.txt", "w","utf-8") 读取字节和写入字节。重点是“传入的是哪个编码系统？”，另一个认为是python3 是unicode 所以谁在乎编码？
@dsgdfg 我搜索了。英文以外的其他语言的搜索结果要正确编写这段代码，我被要求这样写：（“57：b'\ xeb \ x84 \ xb9”当推文出现时。）我如何更正和更正？缺少编码的概念，我遇到了麻烦
@nutmeg64 与上面的评论类似。我不能召唤两个人，所以我会回信。我正在导入英语以外的语言。不是英语的互联网搜索结果以这种方式表示。我仍然很遗憾，我不明白你的评论。这是因为编码的概念不够。你能解释更多吗？
如果您的目标是将推文写入文件，那么由于 Python3 默认处理 unicode，您只需将其写入文件即可。假设它是作为 unicode 提供的，它是哪种语言并不重要。如果您的目标不同，请更具体。

标签： python python-3.x twitter unicode encoding

【解决方案1】：

这是对您问题的简化版本的答案。

由于我不懂韩语，所以我使用了谷歌翻译。我输入“你好”并将其翻译成韩语。然后我查看了翻译结果的“检查元素”。这是得到的：

在您的情况下用 selenium 提取 span 元素等效于提取 tweet-text 元素：

span = browser.find_element_by_class_name('short_text')
print(span.text)

这将是我们的结果：

>>>안녕하세요

如您所见，不需要编码\解码，因为在 Python 3.x 中 str = unicode。

【讨论】：