为什么Python3 shell中的文本格式与生成的文本文件不同？

我正在尝试读取网页并将格式化文本输出到文本文件。下面的代码以格式打印到shell中，但当我将其写入文件时，它会将其放在一行上（文本中有换行符/n）

我尝试过很多方法，比如不将其转换为字符串，使用BeautifulSoup中的prettify，但似乎没有一种方法能够生成具有格式的文本文件。我想我错过了一些基本的东西。任何帮助或指导都将不胜感激

# Import 
from urllib.request import urlopen
from bs4 import BeautifulSoup

#The actual code


URL = "https://simple.wikipedia.org/wiki/castle" #The target URL
html = urlopen(URL).read()  # Reads the url to variable html
soup = BeautifulSoup(html, "lxml") # Uses BS4 to create the soup using the lxml parser
soup = soup.get_text() # Extracts the text
print(soup) # Prints to python 3.5.1 shell, formatted as I would expect


# Now writing what I have extracted to a text file
file = open("TextOutput.txt", 'w') # Creates the file and opens as write (w)
file.writelines(str(soup.encode('UTF-8'))) # Tried file.write/lines(soup), convertion to string and encoding as UTF-8 needed to avoid errors
file.close()

文件输出的示例如下所示：

b'\n\n\nCastle-简单英文维基百科，免费百科全书\n文档.documentElement.className=document.documentElement.className.replace（/（^ |\s）客户端nojs（\s |$）/，“$1客户端js$2”）\n（window.RLQ=window.RLQ | |[]）push（function（）{mw.config.set（{“wgcononicalNamespace”：“wgcononicalSpecialGenerame”：false，“wgNamespaceNumber”：0，“wgPageName”：“Castle”，“wgTitle”：“Castle”，“wgCurRevisionId”：5333370，“wgArticleId”：15933，“wgIsArticle”：true，“wgIsRedirect”：false，“wgAction”：“视图”，“wgUserName”：null，“wgUserGroups”：“，”，“wgCategories”：[“Castles”]，“wgBreakFrames”：false，“wgPageContentLanguage”：“en”，“wgPageContentModel”：“wikitext”，“WgSeparatorTransormTable”：[”“，”“，”，“WgDigitTransormTable”：[”“，”，“wgDefaultDateFormat”：“dmy”，“wgMonthNames”：[”“，“一月”，“二月”，“三月”，“四月”，“五月”，“六月”，“七月”，“八月”，“九月”，“十月”，“十一月”，”WgmonthNameShort:“[”、“一月”、“二月”、“三月”、“四月”、“五月”、“六月”、“七月”、“八月”、“九月”、“十月”、“十一月”、“十二月”]、“wgRelevantPageName:“城堡”、“wgRelevantArticleId”：15933，“wgRequestId:“VxUR5gpAIDAAAEXY6FMAAACC”，“WgIsProbableEdit:”、“wgRestrictionMove:[]、“wgWikiEditorEnabledModules:”{“工具栏”：true，“对话框”：true，“预览”：false，”publish“：false}，“wgBetaFeaturesFeatures”：[]，“wgMediaViewerOnClick”：true，“wgMediaViewerEnabledByDefault”：true，“wgVisualEditor”：{“pageLanguageCode”：“en”，“pageLanguageDir”：“ltr”，“usePageImages”：true，“usePageDescriptions”：true}，“wgPreferredVariant”：“en”，“wgRelatedArticles”：null，“WgRelatedArticleSuseCrusSearch”：true，”WgRelatedArticles SonlyUseCiruseArch“：false，“wgULSAcceptLanguageList:[]，“WgulsCurrentAutonomy:“English”，“wgCategoryTreePageCategoryOptions:“{\”mode\”：0，“hideprefix\”：20，“showcount\”：true，“namespaces\”：false>，“wgNoticeProject:“wikipedia”，“WgCentralNoticeCategories:”wikipedia:“WgCentralNoticeCategaceousingAgacy:“[”筹款”，“筹款”，“WgCentralNoticeCategalothMobileDomain:“FawgWikibaseItemId:“Q23413”，“wgVisualEditorToolbarScrollOffset”：0}）；mw.loader.implement（“user.options”，function（$，jQuery）{mw.user.options.set（{“variant”：“en”}）；}）；mw.loader.implement（“user.tokens”，function（$，jQuery）{\nmw.user.tokens.set（{“editToken”：“+\\”，“patrolToken”：“+\\”，“watchToken”：“+\\”，“watchToken”+\”，“CsrToken”+\”；“+\\”）；/@nomin*）/；\n}）；mw.loader.load（[“mw.MediaWikiPlayer.loader”、“mw.PopUpMediaTransform”、“mw.TMHGalleryHook.js”、“mediawiki.page.startup”、“mediawiki.legacy.wikibits”、“ext.centralauth.centralautologin”、“mmv.head”、“ext.visualEditor.desktopArticleTarget.init”、“ext.uls.interface”、“ext.centralNotice.bannerController”、“skins.vector.js”]；）；\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n来自维基百科的免费百科全书\n\n\n\n\n\n\t\t\t\t\t跳到：\t\t\t\t\t\t\t\t导航\t\t搜索\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n被充满水的护城壕包围的英格兰波迪亚姆城堡。\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n城堡是中世纪在欧洲和中东建造的一种防御结构。人们对“城堡”一词的含义存在争议。然而，它通常指的是贵族或贵族的私人建筑。这与堡垒不同，堡垒不是家，也不同于防御城镇，它是一种公共防御。大约900年来，城堡一直是一种私人建筑它们有许多不同的形状和不同的细节。\n城堡起源于9世纪和10世纪的欧洲。它们控制着周围的地方，可以帮助进攻和防御。武器可以从城堡中发射，也可以保护人们免受城堡中敌人的攻击。然而，城堡也是权力的象征。它们可以用来控制周围的人和道路。\n许多城堡最初是用泥土和木材建造的，通常使用手工劳动，然后用石头代替它们的防御。早期的城堡通常使用自然保护，没有塔楼。但到了12世纪末和13世纪初，城堡变得更长、更坚固更复杂。\n

file.writelines（str（soup.encode（'UTF-8'））

有点疯狂，它是：

将文本（

str

）编码为二进制（

bytes

）

通过在

str

中换行来获取该字节的文本表示形式（因此，您需要键入以重新创建二进制字节，但它不是原始二进制）

每次将结果写入一个字符（

writelines

迭代您给定的内容，并

str

s按字符进行迭代）

步骤#3既愚蠢又低效，但基本上是无害的。如果您将原始二进制文件写入打开进行二进制写入的文件，并实际写入

字节

对象，那么步骤#1就可以了。但是#1和#2一起意味着像新行这样的内容在输出中被转换为文字

\n

，而不是实际断行。像

é

这样的非ASCII内容被输出为

\xc3\xa9

，整个内容被包装在

b''

（或

b''

）中

你想要的是：

# open with UTF-8 encoding (in case your system defaults to something else)
with open("TextOutput.txt", 'w', encoding='utf-8') as file:
    # Get the text and write it as a single block
    file.write(soup.get_text())

---

输出看起来像什么？它确实感觉很疯狂。这产生了我所期望的，谢谢！我想我需要了解更多（我从file.open和file.write开始——假设我需要不同的语法/UTF-8编码）@user6217257:我猜你是在Windows上？在Windows上，默认编码通常不是你想要的；它是特定于区域设置的ASCII超集（用于英语和m）