Python如何正确获取重音字符？（美丽集团）

Question

我用BeautifulSoup编写了一个s python代码来获得HTML，但没有得到如何正确地解决重音字符。在

HTML的字符集是

<meta http-equiv="Content-Type" content="text/html; charset=ISO-8859-1">

我有这个python代码：

^{pr2}$

我明白了：

Calções

我做错什么了？一些线索？在

谨致问候

Answer 1

正如bernie指出的，BS在内部使用Unicode。在

对于^{}：

Beautiful Soup Gives You Unicode, Dammit

By the time your document is parsed, it has been transformed into Unicode. Beautiful Soup stores only Unicode strings in its data structures.

对于^{}，当发生这种情况时，文档会更清楚地解释：

You can pass in a string or an open filehandle… First, the document is converted to Unicode, and HTML entities are converted to Unicode characters…`

换句话说，它会立即解码数据。所以，如果你得到了莫吉巴克，你必须在它进入BS之前修复它，而不是在它进入BS之后。在

BeautifulSoup构造函数的输入可以接受8位字节的字符串或文件，并尝试找出编码。有关详细信息，请参见Encodings。你可以通过打印出soup.original_encoding来检查它是否猜对了。如果它没有猜测ISO-8859-1或同义词，则唯一的选择是使其显式：decode在传入字符串之前，使用encoding以Unicode模式打开文件，等等

任何BS对象产生的结果，以及作为参数传递给任何方法的任何结果，都将始终是UTF-8（如果它们是字节字符串）。因此，调用decode('iso-8859-1')对从BS中得到的东西调用decode('iso-8859-1')可以保证在还没有损坏的情况下破坏它。在

反正你也不想这么做。正如你在评论中所说，“我正在输出到SQLite3数据库。”好吧，SQLite3总是使用UTF-8。（您可以在运行时用pragma来更改它，或者在编译时更改默认值，但这基本上破坏了Python接口，所以……不要这样做。）Py2str中只允许使用UTF-8（当然，在Py2unicode/Py3str中，没有编码）所以，如果您试图将BS数据编码为拉丁语-1以存储在数据库中，则会产生问题。只需按原样存储Unicode，或者根据需要将其编码为UTF-8（仅限Py2）。在

如果您不想了解所有这些，只需在首次调用BeautifulSoup之后到处使用Unicode，就不会出错。在

Answer 2

这里的问题是关于“从哪里”你“得到这个”。 如果这是您的终端接收到的输出，那么您的终端可能需要不同的编码！在

使用“打印”时可以尝试以下操作：

import sys
outenc = sys.stdout.encoding or sys.getfilesystemencoding()
print t.decode("iso-8859-1").encode(outenc)