Maison  >  Questions et réponses  >  le corps du texte

python - BeautifulSoup使用find_all方法,如何转换编码?

用BeautifulSoup解析页面,调用find_all打印出来是乱码

代码如下:

    def find(self):
        HtmlData = self.Data()                         #urllib获取的结果(页面编码gb2312)
        HtmlSoup = BeautifulSoup(HtmlData,"lxml")
        FindALL = HtmlSoup.find_all('a')
    #    print HtmlSoup.encode("gb2312")               #能够正常打印
        print str(FindALL).encode("gb2312")            #出现乱码

抓取的页面编码是gb2312,打印的时候使用encode能够正常输出中文字符,但是使用find_all的时候打印出来是乱码
如下:

    et="_blank">\u4e2d\u534e\u6c11\u4fd7\u793c\u4eea</a>, <a href="Doc/1603/2520447.
    htm" target="_blank">\u6e05\u660e\u8282\u626b\u5893\uff0c\u90fd\u6709\u90a3\u4e9

查了发现bs默认编码是utf-8,所以会出现这样的问题,由于本人菜鸡一枚,查了好多都没弄懂。
网上大牛都说python2编码水很深,现在碰到这个问题真心头疼 。请教大牛有什么好的办法对编码进行转换?或者让它可以正常输出中文字符?

大家讲道理大家讲道理2742 Il y a quelques jours1046

répondre à tous(2)je répondrai

  • PHPz

    PHPz2017-04-17 17:49:46

    你这里FindALL是一个list,要输应该循环输出

    for _ in FindALL:
        print _.encode('utf-8')
        
        

    或者
    print json.dumps(FindALL, ensure_ascii=False)

    répondre
    0
  • PHP中文网

    PHP中文网2017-04-17 17:49:46

    按照楼上解答,成功打印出中文字符:

        def find(self):
            HtmlData = self.Data()
            HtmlSoup = BeautifulSoup(HtmlData,"lxml")
            FindALL = HtmlSoup.find_all('a')
            for i in FindALL:
                print i.encode('gb2312')
    
    #输出:
    #<a href="/today/todayxx-1843.htm" target="_blank">台湾归顺式场惨案发生(1902年)
    #</a>
    #<a href="/today/todayxx-1844.htm" target="_blank">墨西哥反叛分子获胜迪亚斯总统离
    #职(1</a>
    #<a href="/today/todayxx-1845.htm" target="_blank">首批美国军用飞机在法参战(1918
    #年</a>
    #<a href="/today/todayxx-1846.htm" target="_blank">中共决定将工农革命军定名“红军
    #”(1</a>

    万分感谢!

    répondre
    0
  • Annulerrépondre