为什么赢了';Python是否正确显示此文本?(UTF-8解码问题) 将urllib.request导入为u zipcode=str(47401) url='1〕http://watchdog.net/us/?zip='+zipcode con=u.urlopen(url) page=str(con.read()) value3=int(第页查找(“”)+7 value4=int(第页查找(“”)-15 district=str(第[value3:value4]页) 印刷品(地区) newdistrict=district.replace(“\xe2\x80\x99”,“”) 印刷品(新界区)
出于某种原因,我的代码以以下格式插入标题:为什么赢了';Python是否正确显示此文本?(UTF-8解码问题) 将urllib.request导入为u zipcode=str(47401) url='1〕http://watchdog.net/us/?zip='+zipcode con=u.urlopen(url) page=str(con.read()) value3=int(第页查找(“”)+7 value4=int(第页查找(“”)-15 district=str(第[value3:value4]页) 印刷品(地区) newdistrict=district.replace(“\xe2\x80\x99”,“”) 印刷品(新界区),python,html,utf-8,python-3.x,Python,Html,Utf 8,Python 3.x,出于某种原因,我的代码以以下格式插入标题:in-09:Indiana\xe2\x80\x99s 9th。我知道\xe字符串对于'符号是unicode,但我不知道如何让python用'符号替换这组字符。我尝试过解码字符串,但它已经是unicode的,上面的替换代码没有改变任何东西。关于我做错了什么有什么建议吗?试试这个 import urllib.request as u zipcode = str(47401) url = 'http://watchdog.net/us/?zip=' + zi
in-09:Indiana\xe2\x80\x99s 9th
。我知道\xe
字符串对于'
符号是unicode,但我不知道如何让python用'
符号替换这组字符。我尝试过解码字符串,但它已经是unicode的,上面的替换代码没有改变任何东西。关于我做错了什么有什么建议吗?试试这个
import urllib.request as u
zipcode = str(47401)
url = 'http://watchdog.net/us/?zip=' + zipcode
con = u.urlopen(url)
page = str(con.read())
value3 = int(page.find("<title>")) + 7
value4 = int(page.find("</title>")) - 15
district = str(page[value3:value4])
print(district)
newdistrict = district.replace("\xe2\x80\x99","'")
print(newdistrict)
我认为您正在使用utf-8,所以它应该是这样的
newdistrict = district.encode("**THE_INPUT_STRING_ENCODING**").replace("\\xe2\\x80\\x99","'")
但这不是使用unicode的正确原因。
一旦您的文本被导入到程序中,您应该在所有地方使用unicode
除了当输出为输出时,应该考虑外部目的地
因此,更好的方法是在脚本顶部添加行
newdistrict = district.encode("utf-8").replace("\\xe2\\x80\\x99","'")
将您的输入读取为utf-8
# -*- coding: utf-8 -*-
然后呢
newdistrict=district.replace(u“您的UNICODE\u字符串”,“'))
比如说
page = con.read().decode('utf-8')
要获得更多帮助,请阅读此
当调用
con.text()
时,将返回一个字节
对象。对其调用str()
将返回表示它的字符串-因此,如果不指定编码,将使用转义符而不是实际字符。(这意味着您的字符串最终包含\\xe2\\x80\\x99
以及各种其他不需要的内容。)字节
与Python 2中的str
非常相似:它没有存储任何编码信息unicode
类似;它有编码。因此,当将bytes
对象转换为str
对象时,您需要告诉它实际使用的是什么编码。在本例中,这是utf-8
与其对其调用str()
,不如使用字节;这是一样的,只是更整洁
newdistrict = district.replace(u"דכעדחלגעדיל","'")
>>将urllib.request作为u导入
>>>zipcode=47401
>>>url='1〕http://watchdog.net/us/?zip={}格式(zipcode)
>>>con=u.urlopen(url)
>>>page=con.read().decode('utf-8')
>>>第[page.find(“”+7:page.find(“”-15]
“IN-09:印第安纳州第九”
这里所做的唯一功能更改是将字节
对象解码为'utf-8'
的规范。您是否尝试过使用unicode
文字?我不完全确定您的意思,您能提供更多信息吗?它不是',
,而是'
(U+2019,右单引号)。鉴于您使用的是urllib.request
,我猜您使用的是Python 3.Yup,使用的是Python 3,它指定的值是-1,这意味着它在district变量中找不到该字符串,即使它在调用print函数时在屏幕上打印该字符串。感谢您的帮助,我最初尝试使用类似于:page=con.read()newpage=page.decode('utf-8')的方法对文件进行解码它在以前的作业中工作过,但在这里给了我一个空白页。然后我发现,通过删除解码行,我可以让它返回源代码,所以我才开始工作。不确定发生了什么,再次感谢您的帮助。:)基本上,str(b'\xab')
产生“b'\\xab''
而不是'\xab'
(它相当于'repr(b'\xab'),因为没有指定编码就没有有意义的转换)。您的答案不正确,因为他正在处理的是Python 3。
>>> import urllib.request as u
>>> zipcode = 47401
>>> url = 'http://watchdog.net/us/?zip={}'.format(zipcode)
>>> con = u.urlopen(url)
>>> page = con.read().decode('utf-8')
>>> page[page.find("<title>") + 7:page.find("</title>") - 15]
'IN-09: Indiana’s 9th'