我正在尝试编写一个python google api。遇到一些unicode问题。到目前为止,我最基本的PoC是:
#!/usr/bin/env python
import urllib2
from bs4 import BeautifulSoup
query = "filetype%3Apdf"
url = "http://www.google.com/search?sclient=psy-ab&hl=en&site=&source=hp&q="+query+"&btnG=Search"
opener = urllib2.build_opener()
opener.addheaders = [('User-agent', 'Mozilla/5.0')]
response = opener.open(url)
data = response.read()
data = data.decode('UTF-8', 'ignore')
data = data.encode('UTF-8', 'ignore')
soup = BeautifulSoup(data)
print u""+soup.prettify('UTF-8')
我的回溯是:
^{pr2}$有什么想法吗?在
您正在将
soup
树转换为UTF-8
(一个编码的字节字符串),然后尝试将其连接到一个空的u''
unicode字符串。在Python将自动尝试并使用默认编码(即
ASCII
)对编码的字节字符串进行解码,但无法解码UTF-8
数据。在您需要显式解码
prettify()
输出:Python Unicode HOWTO更好地解释了这一点,包括关于默认编码的说明。我真的,真的建议你也读乔尔斯波尔斯基的article on Unicode。在
相关问题 更多 >
编程相关推荐