Python刮板的Unicode问题

Question

我已经写了一段时间的糟糕的Perl，但正尝试学习编写糟糕的python。 我已经阅读了几天以来一直遇到的问题（因此，我对unicode有了更多的了解），但是在下面的代码中，流氓破折号仍然很麻烦：

import urllib2

def scrape(url):
# simplified
    data = urllib2.urlopen(url)
    return data.read()

def query_graph_api(url_list):
# query Facebook's Graph API, store data.
    for url in url_list:
        graph_query = graph_query_root + "%22" + url + "%22"
        query_data = scrape(graph_query)
        print query_data #debug console

### START HERE ####

graph_query_root = "https://graph.facebook.com/fql?q=SELECT%20normalized_url,share_count,like_count,comment_count,total_count%20FROM%20link_stat%20WHERE%20url="

url_list = ['http://www.supersavvyme.co.uk',  'http://www.supersavvyme.co.uk/article/how-to-be-happy–laugh-more']

query_graph_api(url_list)

（这是刮板BTW的简化表示。原始板使用站点的sitemap.xml构建URL列表，然后查询Facebook的Graph API以获取有关每个刮板的信息-这是原始刮板 ）

我的调试尝试主要包括尝试模仿重写莎士比亚的无限猴子。 我通常的方法（搜索StackOverflow以获得错误消息，然后复制并粘贴解决方案）失败了。

问题：如何编码数据，以便第二个URL中的扩展字符（如破折号）不会破坏我的代码，但仍可在FQL查询中使用？

PS我什至想知道我是否在问一个正确的问题： urllib.urlencode可以在这里帮助我graph_query_root （肯定会使得graph_query_root更容易和更漂亮地创建...

--- 8 <----

我从ScraperWiki上的实际刮板获得的追溯如下：

http://www.supersavvyme.co.uk/article/how-to-be-happy–laugh-more
Line 80 - query_graph_api(urls)
Line 53 - query_data = scrape(graph_query) -- query_graph_api((urls=['http://www.supersavvyme.co.uk', 'http://...more
Line 21 - data = urllib2.urlopen(unicode(url)) -- scrape((url=u'https://graph.facebook.com/fql?q=SELECT%20url,...more
/usr/lib/python2.7/urllib2.py:126 -- urlopen((url=u'https://graph.facebook.com/fql?q=SELECT%20url,no...more
UnicodeEncodeError: 'ascii' codec can't encode character u'\u2013' in position 177: ordinal not in range(128)

Answer 1

如果您使用的是Python 3.x，则只需添加一行并更改另一行：

gq = graph_query.encode('utf-8')
query_data = scrape(gq)

如果您使用的是Python 2.x，请首先将以下行放在模块文件的顶部：

# -*- coding: utf-8 -*- （在这里阅读说明）

然后在传递给urlopen之前使所有字符串文字变为unicode并进行编码：

def scrape(url):
# simplified
    data = urllib2.urlopen(url)
    return data.read()

def query_graph_api(url_list):
# query Facebook's Graph API, store data.
    for url in url_list:
        graph_query = graph_query_root + u"%22" + url + u"%22"
        gq = graph_query.encode('utf-8')
        query_data = scrape(gq)
        print query_data #debug console

### START HERE ####

graph_query_root = u"https://graph.facebook.com/fql?q=SELECT%20normalized_url,share_count,like_count,comment_count,total_count%20FROM%20link_stat%20WHERE%20url="

url_list = [u'http://www.supersavvyme.co.uk', u'http://www.supersavvyme.co.uk/article/how-to-be-happy–laugh-more']

query_graph_api(url_list)

从代码中看，您正在使用3.x，这对于处理此类问题确实更好。 但是您仍然必须在必要时进行编码。 在2.x中，最好的建议是执行3.x默认情况下的操作：在代码中使用unicode，并且仅在需要字节时才进行编码。