UnicodeEncodeError：'ascii'編解碼器無法編碼字符u'\\ u2026'

Question

我正在學習urllib2和Beautiful Soup，並且在第一次測試時遇到如下錯誤：

UnicodeEncodeError: 'ascii' codec can't encode character u'\u2026' in position 10: ordinal not in range(128)

關於這種類型的錯誤似乎有很多帖子，我已經嘗試了我能理解的解決方案，但似乎有22個跟他們一起，例如：

我想打印post.text （文本是一個美麗的湯方法，只返回文本）。 str(post.text)和post.text產生unicode錯誤（在右撇號的'和... ）。

所以我在str(post.text)上面添加post = unicode(post) str(post.text) ，然后我得到：

AttributeError: 'unicode' object has no attribute 'text'

我也試過(post.text).encode()和(post.text).renderContents() 。 后者產生錯誤：

AttributeError: 'unicode' object has no attribute 'renderContents'

然后我嘗試了str(post.text).renderContents()並得到了錯誤：

AttributeError: 'str' object has no attribute 'renderContents'

如果我可以在文檔的頂部定義'make this content 'interpretable''並且仍然可以訪問所需的text函數，那將是很棒的。

---

更新：建議后：

如果我在str(post.text)上面添加post = post.decode("utf-8") ，我得到：

TypeError: unsupported operand type(s) for -: 'str' and 'int'  

如果我在str(post.text)上面添加post = post.decode() ，我得到：

AttributeError: 'unicode' object has no attribute 'text'

如果我在post = post.encode("utf-8") (post.text)上面添加post = post.encode("utf-8") ，我得到：

AttributeError: 'str' object has no attribute 'text'

我嘗試print post.text.encode('utf-8')並得到：

UnicodeDecodeError: 'ascii' codec can't decode byte 0xe2 in position 39: ordinal not in range(128)

為了嘗試可能有用的東西，我從這里安裝了lxml for Windows並使用以下方法實現：

parsed_content = BeautifulSoup(original_content, "lxml")

根據http://www.crummy.com/software/BeautifulSoup/bs4/doc/#output-formatters 。

這些步驟似乎沒有任何區別。

我正在使用Python 2.7.4和Beautiful Soup 4。

---

解：

在深入了解unicode，utf-8和Beautiful Soup類型后，它與我的打印方法有關。 我刪除了所有我的str方法和連接，例如str(something) + post.text + str(something_else) ，所以它是something, post.text, something_else ，它似乎打印得很好，除了我對格式的控制較少在這個階段（例如插入的空間, ）。

Answer 1

在Python 2中，只有在可以轉換為ASCII的情況下才能打印unicode對象。 如果無法用ASCII編碼，您將收到該錯誤。 您可能希望對其進行顯式編碼，然后打印生成的str ：

print post.text.encode('utf-8')

Answer 2

    html = urllib.request.urlopen(THE_URL).read()
    soup = BeautifulSoup(html)
    print("'" + str(soup.encode("ascii")) + "'")

為我工作;-)

Answer 3

你試過.decode()或.decode("utf-8")嗎？

並且，我建議使用html5lib parser使用lxml

http://lxml.de/html5parser.html