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
![python-在BeautifulSoup中处理印度语言](/upload/InfoBanner/zyjiaocheng/676/7e0ceb6b6457454ab35a1c1eb703b322.jpg)
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。