我正在尝试收集有关“寻求Alpha”的评论（例如：https://seekingalpha.com/article/4243835-teslas-low-2019-capex-harm-growth-story-brand-value）。我列出了使用引号中的代码收集的注释之一。我使用的代码是（）.text（也在末尾列出）。
问题在于，有时它可以正确返回撇号（'）（如第一段中的“波音”），但在其他时候，它可以返回“—（例如，“波音”中的“美国”）。第二段]。
“ @ trentbridge天哪，这是一个愚蠢的争论。来自波音官方网站（提示：他们不认为自己是TECH公司）
一般信息。波音公司是全球最大的航空航天公司，也是商业飞机，国防，太空和安全系统以及售后支持服务提供商的领先制造商。作为美国最大的制造业出口国，该公司为150多个国家/地区的航空公司和美国及相关政府客户提供支持。
...”
收集所有内容后，我可能只用“'”替换所有“—。但是，我确实更想找出一种方法来拒绝一开始就输入错误的字符。
任何帮助将不胜感激！
[comment.text for comment in driver.find_elements_by_class_name('b-c-content')]
答案 0 :(得分：2)
您的问题是，被误解的撇号不是普通的撇号字符'，而是正确的单引号’的Unicode字符。变成mojibake的原因是您解码的内容不正确。它以UTF-8格式（因此’由三个字节\xe2\x80\x99表示），但是您正在使用代码页1252对其进行解码（其中三个字节\xe2\x80\x99代表三个单独的字符，{ {1}}，â和€）。
由于您没有显示太多代码，因此我无法提供有关解决解码问题的任何建议，但是可能有一种方法可以请求Selenium使用UTF-8（坦率地说，这不是默认）。另外，您也许可以获取原始字节并自行解码文本。
虽然最好避免误解码，但是如果您真的需要在将字符串转换为mojibake之后对其进行修复，则最好的方法可能是使用与错误相同的方式重新编码它们，解码，然后再次解码，这次正确：
™