Python 3.x Python Selenium（）.text返回’&引用；而不是撇号（'；）

我正在尝试收集关于查找Alpha的评论（例如：）。我在引号中列出了与代码一起收集的注释之一。我使用的代码是（）.text（也在末尾列出）

问题是，有时候，它可以正确地返回撇号（'）[就像第一段中的“Boeing's”），但在其他时候，它会返回“–欧元”™" [像“美国”€™第二段中的“s”

“@trentbridge Holy cow这是多么愚蠢的争论。从波音公司的官方网站（提示：他们不认为自己是一家科技公司）

一般信息。波音公司是世界上最大的航空航天公司，是商用喷气式客机、国防、航天和安全系统的领先制造商，以及售后支持服务提供商。作为美国€™该公司是美国最大的制造业出口商，为150多个国家的航空公司和美国及联合政府客户提供支持

……”

有可能我可以直接替换所有的“错误”™在收集所有内容后使用“”。但是，我更喜欢首先找出一种方法来拒绝使用错误的字符

任何帮助都将不胜感激

[comment.text for comment in driver.find_elements_by_class_name('b-c-content')]

---

您的问题是被误解的撇号不是普通的撇号字符

，

，而是右单引号的Unicode字符：

，

。它变成mojibake的原因是您对内容的解码不正确。它在UTF-8中（因此，

'

由三个字节

\xe2\x80\x99

表示），但您正在使用代码页1252对其进行解码（其中三个字节

\xe2\x80\x99

表示三个单独的字符，

和
€
）™）

由于您没有显示太多的代码，我无法提供任何关于如何解决解码问题的建议，但可能有一种方法可以请求Selenium使用UTF-8（坦白说，我很惊讶这不是默认值）。或者，您可以获取原始字节并自己解码文本

虽然最好避免误码，但如果您真的需要在字符串转换为mojibake后修复字符串，最好的方法可能是按照误码的方式重新编码，然后再次正确解码：

badtext = 'America’s'
encoded = badtext.encode('cp1252') 
goodtext = encoded.decode('utf-8') # 'America’s'