使用 ZipFile 读取文件后如何编码 html 文件？答案

【问题标题】：How can I encode html file after read file with ZipFile?使用 ZipFile 读取文件后如何编码 html 文件？
【发布时间】：2021-05-04 18:40:43
【问题描述】：

我正在从 URL 读取 zip 文件。在 zip 文件中，有一个 HTML 文件。阅读文件后，一切正常。但是当我打印文本时，我遇到了 Unicode 问题。 Python版本：3.8

from zipfile import ZipFile
from io import BytesIO
from bs4 import BeautifulSoup
from lxml import html
content = requests.get("www.url.com")
zf = ZipFile(BytesIO(content.content))
file_name = zf.namelist()[0]
file = zf.open(file_name)

soup = BeautifulSoup(file.read(),'html.parser',from_encoding='utf-8',exclude_encodings='utf-8')
for product in soup.find_all('tr'):
    product = product.find_all('td')
    if len(product) < 2: continue
    print(product[1].text)

我已经尝试使用.decode('utf-8') 打开文件并打印文本，但出现以下错误：

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xe8 in position 0: invalid continuation byte

我在 BeautifulSoup 中添加了 from_encoding 和 exclude_encodings，但没有任何变化，我也没有收到错误。

预期打印：

ÇEŞİTLİ MADDELER TOPLAMI
Tarçın
Fidanı

我得到了什么：

ÇEÞÝTLÝ MADDELER TOPLAMI
Tarçýn
Fidaný

【问题讨论】：

标签： python beautifulsoup unicode character-encoding

【解决方案1】：

我查看文件，编码不是utf-8，而是iso-8859-9。更改编码，一切都会好起来的：

soup = BeautifulSoup(file.read(),'html.parser',from_encoding='iso-8859-9')

这将输出：ÇEŞİTLİ MADDELER TOPLAMI

【讨论】：

zipfile.open 中没有编码参数我收到以下错误。 open() got an unexpected keyword argument 'encoding'
谢谢兄弟，结果一样
我认为您正在寻找的编码是iso-8859-9。我没有注意到细微的差别......
file.read().decode('iso-8859-9') 终于工作了，非常感谢你可以更新你的答案，我也删除了from_encoding 属性。