Unicode与编码python文本处理

我正在用从网上刮下来的文本进行一些文本处理。我以前想解码原始文本

raw_html=  raw_html.decode("iso-8859-1")

然后编码到UTF，这样我就不会有编码问题了

raw_html=  raw_html.encode("UTF-8")

问题是，尽管知道网页编码，但我在解码部分不断出错

UnicodeEncodeError: 'ascii' codec can't encode character u'\u20ac' in position 302: ordinal not in range(128)

我将处理许多语言，但不是那么多的网页（所以我的想法是手动设置编码）。我希望能够将所有语言（英语、法语、西班牙语、葡萄牙语）转换为一个共同的基础，以便进行工作。您有什么建议？

如果

原始html.decode（）

给您一个编码异常，那么它已经是Unicode:

>>> u'é'.decode('latin1')
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode character u'\xe9' in position 0: ordinal not in range(128)

>u'é'。解码（'latin1'）
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
UnicodeEncodeError:“ascii”编解码器无法对位置0中的字符u'\xe9'进行编码：序号不在范围内（128）

---

因为Python 2在尝试“解码”Unicode值时首先隐式地尝试编码（使用默认的ASCII编解码器）。

您正在编码为拉丁语-1，而不是UTF。您是如何读取

raw_html

？@MartijnPieters刚刚在编码中为UTF-8编辑的。这是一个错误，当张贴。。。原始html是作为文本文件提供给我的。。。我在寻找同一个网站的HTML源代码，我的HTML似乎已经通过了某种形式的编码/解码，因为有些字符是不同的。。。是否可以将其恢复为HTML原始编码？然后应用我的代码？没有看到任何无法诊断的样本。您可能使用了错误的编解码器，或者该文件可能使用了错误的编解码器重新编码。后者通常是可以修复的，但我只是笼统地说。然而，这将是一个新问题！谢谢很抱歉刚刚意识到错误。。。当我尝试将其编码为UTF-8时，我得到了以下错误：UnicodeWarning:Unicode equal comparison未能将两个参数转换为Unicode-将它们解释为不相等。是否因为某些字符不能用UTF-8编码？在这种情况下，用unicode处理文本会更有意义，不是吗？谢谢你的帮助！！尽可能使用Unicode。解码Unicode毫无意义，毕竟您已经解码为Unicode。请检查打印类型（原始html）。很抱歉打扰您。。但这让我发疯。。。Python是否以某种格式对加载的文本进行编码？我试图通过文本文件中看到的unicode（\u20ac）匹配欧元符号（€），但在导入时它似乎无法识别。。。你知道我可能做错了什么吗？我正在使用r'\\u20ac？\b'来匹配它，如果我手动输入字符串作为变量，效果会很好…也许这是一个新问题？为什么要转义Unicode转义而不使用

ur'.'

原始Unicode值？谢谢！我将把它表述为一个新问题。