Python：将二进制文件打印为字符串

我有一个爬虫，它解析给定站点的HMTL并打印部分源代码。这是我的剧本：

#!/usr/bin/env python
# -*- encoding: utf-8 -*-
from bs4 import BeautifulSoup
import requests
import urllib.request
import re

class Crawler:

    headers = {'User-Agent' : 'Mozilla/5.0'}
    keyword = 'arroz'

    def extra(self):
        url = "http://buscando.extra.com.br/search?w=" + self.keyword
        r = requests.head(url, allow_redirects=True)    
        print(r.url)
        html = urllib.request.urlopen(urllib.request.Request(url, None, self.headers)).read()
        soup = BeautifulSoup(html, 'html.parser')
        return soup.encode('utf-8')

    def __init__(self):
        extra = self.extra()
        print(extra)

Crawler()

我的代码工作正常，但它在打印源代码时，在值之前有一个恼人的

b'

。我已经尝试过使用

解码（'utf-8'）

，但没有成功。有什么想法吗

更新

如果我不使用

编码（'utf-8'）

我会出现以下错误：

Traceback (most recent call last):
  File "crawler.py", line 25, in <module>
    Crawler()
  File "crawler.py", line 23, in __init__
    print(extra)
  File "c:\Python34\lib\encodings\cp850.py", line 19, in encode
    return codecs.charmap_encode(input,self.errors,encoding_map)[0]
UnicodeEncodeError: 'charmap' codec can't encode character '\u2030' in position
13345: character maps to <undefined>

回溯（最近一次呼叫最后一次）：
文件“crawler.py”，第25行，在
爬虫
文件“crawler.py”，第23行，在_init中__
打印（额外）
文件“c:\Python34\lib\encodings\cp850.py”，第19行，编码
返回codecs.charmap\u encode（输入、自身错误、编码\u映射）[0]
UnicodeEncodeError:“charmap”编解码器无法将字符“\u2030”编码到位
13345:角色映射到

当我按照给定的方式运行代码时，除了将

返回汤.encode（'utf-8'）

替换为

返回汤

，它工作正常。我的环境：

• 操作系统：Ubuntu

  15.10

• Python:

  3.4.3

• python3 dist包bs4版本：

  beautifulsoup4==4.3.2

这让我怀疑问题在于您的环境，而不是您的代码。您的堆栈跟踪提到了

cp850.py

，并且您的源代码正在访问一个

.com.br

站点-这让我觉得shell的默认编码可能无法处理unicode字符。这是你的维基百科页面

您可以检查终端使用的默认编码：

>>> import sys
>>> sys.stdout.encoding

我的终端响应为：

'UTF-8'

我想你的不会，这是你遇到的问题的根源

编辑：

事实上，我可以通过以下方法完全复制您的错误：

>>> print("\u2030".encode("cp850"))

这就是问题所在-由于计算机的区域设置，

print

隐式转换为系统的默认编码，并引发UnicodeDecodeError

---

从命令提示符更新窗口以显示unicode字符有点超出了我的驾驶室范围，因此我无法提供任何建议，只能指导您使用。

那么您为什么在此处使用

encode

？尝试一下

return-soup

。如果不这样做，它将返回以下错误：

Traceback（最后一次调用）：文件“crawler.py”，第25行，在crawler（）文件“crawler.py”中，第23行，在uuu init_uuuuuuuuuu打印（额外）文件“c:\Python34\lib\encodings\cp850.py”中，第19行，在encode return codes.charmap\u encode中（输入，self.errors，encoding_map）[0]UnicodeEncodeError:“charmap”编解码器无法对13345位置的字符“\u2030”进行编码：字符映射到

字节

在Python 3中没有

编码

方法，因此您从字符串开始，并将其转换为字节string@chucksmash使用

编码（'utf-8'）

我已经停止了上面的错误。但是我已经创建了一个新错误：

UnicodeEncodeError:“charmap”编解码器无法对13345位置的字符“\u2030”进行编码：字符映射到

。是的！它返回了

cp850

。我该怎么办？我已经尝试了链接解决方案，但没有成功…谢谢。