Django 和 lxml 解码问题

Question

我在使用部署版本的Django应用时遇到了一个奇怪的问题，跟lxml有关。我用lxml来解析从服务器获取的另一个HTML页面。在我自己电脑上的开发服务器上，这一切都运行得很好，但在服务器上却出现了UnicodeDecodeError的错误。

('utf8', "\x85why hello there!", 0, 1, 'unexpected code byte')

我已经确认Apache（使用mod_python）是以LANG='en_US.UTF-8'的设置运行的。

我尝试在网上搜索这个问题，并尝试了不同的方法来正确解码这个字符串，但我还是搞不定。

在你的回答中，你可以假设我的字符串叫hello或者其他什么名字。

相关问题：

• 如何在Apache中使用Python 3和Django？
• 在Apache中使用Mod_Python和多个Python安装的Virtualenv运行Django
• Django自定义认证后端在Apache上未被识别
• Django: PYTHON_EGG_CACHE 访问 denied 错误
• 在Apache上使用Comet/Orbited构建Django应用，选择mod_wsgi还是mod_python？
• 如何在Django + Apache + mod_python中使用Staticgenerator
• Django新手部署问题 - ImportError: 无法导入设置'settings
• 重启运行在Apache + mod_python上的Django应用

Answer 1

因为修改site.py并不是一个理想的解决办法，所以可以试试在你程序的开头加上这个：

import sys
reload(sys)
sys.setdefaultencoding("utf-8")

Answer 2

像 u"\x85why hello there!" 这样的语法有用吗？

你可以看看以下来自官方Python文档的资源，这些可能会对你有帮助：

• Python入门，Unicode字符串
• 序列类型 — str, unicode, list, tuple, buffer, xrange

Answer 3

"\x85为什么你好啊！" 不是一个utf-8编码的字符串。在把网页内容传给lxml之前，你应该先解码网页。你可以通过查看获取网页时的http头信息来检查它使用的编码，或许能在这里找到问题所在。