Python 3使用BeautifulSoup刮取网页导致UnicodeDecodeError

我正在做一个私人项目。我正在尝试解析一个网页。不幸的是，我没有意识到，刮掉一个网站会使你的网页访问被暂停。我使用hide.me制作了网站的本地副本，但显然它添加了一些信息，这使得BeautifulSoup很难阅读。这是我的代码：

def pull_safe(location):
url = (os.getcwd())+'/HTML_SOURCES/'+location
page = open(url,encoding="ascii")
soup = BeautifulSoup(page, "html.parser", exclude_encodings=["ascii"])
hospital = list()
templist = list()
tempcount = 0
for td in soup.find('div', {'class':'report'}).parent.find_all('td'):
    if tempcount !=5:
        templist.append(td.text)
        tempcount+=1
    else:
        templist.append(td.text)
        hospital.append(templist)
        templist = list()
        tempcount = 0
return hospital

这是我得到的一个例外：

Traceback (most recent call last):


File "/home/memeputer/Documents/Projects/NYC Hospital Bed count/main.py", line 51, in <module>
    g = pull_safe(item)
  File "/home/memeputer/Documents/Projects/NYC Hospital Bed count/main.py", line 17, in pull_safe
    soup = BeautifulSoup(page, "html.parser", exclude_encodings=["utf-8"])
  File "/home/memeputer/Documents/Projects/NYC Hospital Bed count/venv/lib/python3.8/site-packages/bs4/__init__.py", line 286, in __init__
    markup = markup.read()
  File "/usr/lib/python3.8/codecs.py", line 322, in decode
    (result, consumed) = self._buffer_decode(data, self.errors, final)
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xa9 in position 59903: invalid start byte

回溯（最近一次呼叫最后一次）：
文件“/home/memeputer/Documents/Projects/NYC Hospital Bed count/main.py”，第51行，in
g=牵引保险箱（项目）
文件“/home/memeputer/Documents/Projects/NYC Hospital Bed count/main.py”，第17行，保险柜中
soup=BeautifulSoup（页面“html.parser”，排除编码=[“utf-8”]）
文件“/home/memeputer/Documents/Projects/NYC Hospital Bed count/venv/lib/python3.8/site packages/bs4/_init__.py”，第286行，in__init__
markup=markup.read（）
文件“/usr/lib/python3.8/codecs.py”，第322行，解码中
（结果，消耗）=自身缓冲区解码（数据，自身错误，最终）
UnicodeDecodeError:“utf-8”编解码器无法解码位置59903中的字节0xa9:无效的开始字节

---

感谢您的帮助。

它告诉您，在59903位置，它不是

utf-8

代码。是否可以向我们显示url？它是文案符号©。我真的不喜欢这样，我的解决方案是在本地保存它，然后删除它。有什么更好的处理方法吗？如果原始页面编码为

utf-8

，那么您需要将所有内容编码和解码为

utf-8

。将此（

page=open（url，encoding=“ascii”）

）更改为：

page=open（url，encoding=“utf-8”）

。