browser = mechanize.Browser()
page = browser.open(url)
html = page.get_data()
print html
Il montre des caractères étranges. Je suppose que c'est une chaîne UTF-8 mais Python ne le sait pas et ne peut pas le montrer correctement.Problème de codage lors du téléchargement du code HTML en utilisant mechanize et Python 2.6
Comment puis-je convertir cette chaîne en chaîne unicode comme
u = u'test'
Il a été gzippés
def ungzipResponse(r,b):
headers = r.info()
if headers['Content-Encoding']=='gzip':
import gzip
gz = gzip.GzipFile(fileobj=r, mode='rb')
html = gz.read()
gz.close()
headers["Content-type"] = "text/html; charset=utf-8"
r.set_data(html)
b.set_response(r)
response = browser.open(url)
ungzipResponse(response, browser)
html = response.read()
Selon ce que vous essayez de faire, vous devriez vraiment utiliser une bibliothèque existante qui gère les choses de bas niveau comme ça pour vous. – AndiDog
J'ai essayé de trouver comment le rendre plus facile, mais il semble que la solution la plus simple. – luchaninov
il erreur de retour 'KeyError: 'content-encoding'' – hh54188
u = html.decode('utf-8')
UnicodeDecodeError: le codec 'utf8' ne peut pas décoder l'octet 0x8b en position 1: octet de code inattendu – luchaninov
Ensuite, ce n'est pas utf-8. Vous devriez examiner les en-têtes pour voir quel jeu de caractères est retourné. –
facebook.com, Content-Type: text/html; charset = utf-8 – luchaninov
vous devez définir l'encodage comme:
#!/usr/bin/python
# -*- coding: iso-8859-15 -*-
mécaniser en a besoin.
pour plus d'informations, consultez ceci http://www.python.org/dev/peps/pep-0263/
Il était déjà là: # - * - codage: utf-8 - * - – luchaninov
mais vous avez besoin de: # - * - codage: iso-8859-15 - * - pas # - * - codage: utf-8 - * - - –
Dites-nous l'URL ou quelques-uns des personnages étranges qui apparaissent sur la page. À partir de votre 'UnicodeDecodeError', le document n'est certainement pas correct UTF-8. – AndiDog