[英]Python: 'ascii' codec can't encode characters
我使用以下代码来刮取包含日文字符的网页:
import urllib2
import bs4
import time
url = 'http://www.city.sapporo.jp/eisei/tiiki/toban.html'
pagecontent = urllib2.urlopen(url)
soup = bs4.BeautifulSoup(pagecontent.read().decode("utf8"))
print(soup.prettify())
print(soup)
在某些机器中,代码工作正常,最后两个语句成功打印结果。 但是,在某些机器中,最后一个语句会出错
UnicodeEncodeError 'ascii' codec can't encode characters in position 485-496: ordinal not in range(128),
最后一个语句打印所有日文字符的奇怪方块。
为什么两台机器的相同代码工作方式不同? 我怎样才能解决这个问题?
Python版本2.6.6
bs4版本:4.1.0
您需要正确配置您的环境区域设置; 一旦你的语言环境被设置,Python将在打印到终端时自动拾取它。
使用locale
命令检查您的语言locale
:
$ locale
LANG="en_GB.UTF-8"
LC_COLLATE="en_US.UTF-8"
LC_CTYPE="en_US.UTF-8"
LC_MESSAGES="en_US.UTF-8"
LC_MONETARY="en_US.UTF-8"
LC_NUMERIC="en_US.UTF-8"
LC_TIME="en_US.UTF-8"
LC_ALL="en_US.UTF-8"
请注意我的语言环境设置中的.UTF-8
; 它告诉终端中运行的程序我的终端使用UTF-8编解码器,支持所有Unicode。
您可以使用LANG
环境变量一步设置所有语言环境:
export LANG="en_US.UTF-8"
使用UTF-8编解码器进行美国语言环境(如何打印日期和数字)。 确切地说, LC_CTYPE
设置用于输出编解码器,而输出编解码器默认为LANG
值。
另请参阅Unix / Linux的非常全面的 UTF-8和Unicode FAQ 。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.