Python网页源码读取特殊字符答案

【问题标题】：Python webpage source read with special charactersPython网页源码读取特殊字符
【发布时间】：2013-08-19 05:44:37
【问题描述】：

我正在从网页读取页面源，然后从该源解析一个值。在那里我遇到了特殊字符的问题。

在我的 python 控制器文件 iam 中使用 # -*- coding: utf-8 -*-。但我正在阅读使用charset=iso-8859-1

的网页源

所以当我在没有指定任何编码的情况下阅读页面内容时，它会抛出错误UnicodeDecodeError: 'utf8' codec can't decode byte 0xfc in position 133: invalid start byte

当我使用string.decode("iso-8859-1").encode("utf-8") 时，它正在解析数据而没有任何错误。但它将值显示为“F\u00fcnke”而不是“Fünke”。

请告诉我如何解决这个问题。我将不胜感激任何建议。

【问题讨论】：

尝试打印u"F\u00fcnke"
Python 2 还是 3?
Python 2.7。并尝试 unicode() 它显示相同。

标签： python webpage urlencode

【解决方案1】：

编码肯定是 Python3 中的 PITA（在某些情况下也是 2）。尝试检查这些链接，它们可能会对您有所帮助：

Python - Encoding string - Swedish Letters
Python3 - ascii/utf-8/iso-8859-1 can't decode byte 0xe5 (Swedish characters)

http://docs.python.org/2/library/codecs.html

另外，"So when I read the page content without specifying any encoding" 的代码会很好我最好的猜测是你的控制台不使用 utf-8（例如，windows .. 你的 # -*- coding: utf-8 -*- 只告诉 Python 要在其中找到什么类型的字符源代码，而不是代码将要解析或分析的实际数据。比如我写：

# -*- coding: iso-8859-1 -*-
import time
# Här skriver jag ut tiden (Translation: Here, i print out the time)
print(time.strftime('%H:%m:%s'))

【讨论】：

无缘无故地投反对票，真正有建设性的（如果我错了，至少指出 ffs）-.-