漂亮汤Unicode编码错误

Question

我正在尝试使用特定的HTML文件运行以下代码

from BeautifulSoup import BeautifulSoup
import re
import codecs
import sys
f = open('test1.html')
html = f.read()
soup = BeautifulSoup(html)
body = soup.body.contents
para = soup.findAll('p')
print str(para).encode('utf-8')

I get the following error:

UnicodeEncodeError: 'ascii' codec can't encode character u'\u2019' in position 9: ordinal not in range(128)

我该如何调试这个问题？

当我删除对print函数的调用时，没有任何错误提示。

- Rohit Banga

Answer 1

str(para)内置函数在使用para中的Unicode时尝试使用默认的（ascii）编码。 这是在encode()调用之前完成的：

>>> s=u'123\u2019'
>>> str(s)
Traceback (most recent call last):
  File "<interactive input>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode character u'\u2019' in position 3: ordinal not in range(128)
>>> s.encode("utf-8")
'123\xe2\x80\x99'
>>> 

尝试直接对para进行编码，可能通过将encode("utf-8") 应用于每个列表元素来实现。

- gimel