chuanjiesun 发表于 2014-02-13 17:35

python3网页解码© 出错,求助？？

本帖最后由 chuanjiesun 于 2014-02-13 17:36 编辑

在使用python3.3对网页urlopen（），让后readdecode（）在DOS下运行，解码出错UnicodeEncodeError: 'gbk' codec can't encode character '\xa9' in position 3535 illegal multibyte sequence :，发现是copyright商标的字符（圆里有个C）; 这样的字符\xc2\xa9，但是在IDLE环境里是正确的，这要怎么解决？

q1208c 发表于 2014-02-14 08:04

不是告诉你了, gbk 不能解码这个字符呀.

换成 utf8 就行了吧 :em17:

chuanjiesun 发表于 2014-02-14 09:00

这个解码的编码格式已经设置为utf-8了，但是还是报这个错，但是在IDLE集成环境里是没有错误的，不知道是什么原因，想请大家帮忙看看有没有知道情况的。回复 2# q1208c


   

icymirror 发表于 2014-02-14 10:19

回复 1# chuanjiesun


    是哪个url?可以帖出来嘛？好去试下。

chuanjiesun 发表于 2014-02-14 10:35

from urllib import request
url = 'https://211.103.0.108/login'
req = request.urlopen(url)
resp = req.read()
data_decode = resp.decode('utf-8')#会出现© 等字符
data_decode = data_decode.strip('\r\n')#去除开头换行
print(resp)
print('\n\n\nrespone :{}'.format(data_decode))
回复 4# icymirror


   

icymirror 发表于 2014-02-14 10:59

回复 5# chuanjiesun


    果然还是需要 utf-8 来解决问题啊。
    另外，去找 gbk/cp936 的说明时，发现这个帖子，它提到在 python 的 gbk 实现中，由于对一些欧洲字符的支持，而在实现中有 bug，估计那个商标符号就是其中之一吧。

timespace 发表于 2014-02-14 11:09

别纠结了，是win32控制台的限制，默认支持gbk，但改代码页也没用，其他输出方式没影响。

chuanjiesun 发表于 2014-02-14 13:32

本帖最后由 chuanjiesun 于 2014-02-14 13:35 编辑

但是总得先解码成字符串，才可以输出或写入，不然这不没用了吗？你指的其他输出方式是什么？回复 7# timespace


   

timespace 发表于 2014-02-14 13:56

可以正常写文件回复 8# chuanjiesun


   

chuanjiesun 发表于 2014-02-20 15:50

好像真是的，我换了ubuntu就ok了回复 7# timespace


   
页: [1]
查看完整版本: python3网页解码© 出错,求助？？