首页 / PYTHON / python-在BeautifulSoup中处理印度语言

python-在BeautifulSoup中处理印度语言

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python-在BeautifulSoup中处理印度语言，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1310字，纯文字阅读大概需要2分钟。

内容图文

我正尝试在NDTV网站上抓取新闻标题. This是我用作HTML源的页面.我正在使用BeautifulSoup(bs4)处理HTML代码,并且一切正常,除了在链接到的页面中遇到印地文标题时代码中断.

到目前为止,我的代码是：

import urllib2
from bs4 import BeautifulSoup

htmlUrl = "http://archives.ndtv.com/articles/2012-01.html"
FileName = "NDTV_2012_01.txt"

fptr = open(FileName, "w")
fptr.seek(0)

page = urllib2.urlopen(htmlUrl)
soup = BeautifulSoup(page, from_encoding="UTF-8")

li = soup.findAll( 'li')
for link_tag in li:
   hypref = link_tag.find('a').contents[0]
   strhyp = str(hypref)
   fptr.write(strhyp)
   fptr.write("\n")

我得到的错误是：

Traceback (most recent call last):
  File "./ScrapeTemplate.py", line 30, in <module>
  strhyp = str(hypref)
  UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-5: ordinal not in range(128)

即使不包含from_encoding参数,我也会遇到相同的错误.我最初将其用作fromEncoding,但是python警告我它已被弃用.

我该如何解决？从我的阅读中,我需要避免印地文标题或将其显式编码为非ASCII文本,但是我不知道该怎么做.任何帮助将不胜感激！

解决方法:

您将看到一个NavigableString实例(该实例派生自Python unicode类型)：

(Pdb) hypref.encode('utf-8')
'NDTV'
(Pdb) hypref.__class__
<class 'bs4.element.NavigableString'>
(Pdb) hypref.__class__.__bases__
(<type 'unicode'>, <class 'bs4.element.PageElement'>)

您需要使用转换为utf-8

hypref.encode('utf-8')

内容总结

以上是互联网集市为您收集整理的python-在BeautifulSoup中处理印度语言全部内容，希望文章能够帮你解决python-在BeautifulSoup中处理印度语言所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/675752.html

来源：【匿名】