Question

我从互联网上抓取一张桌子并保存为CSV文件。文本中有带法语口音的字符，导致保存时出现unicode错误：

 UnicodeEncodeError: 'ascii' codec can't encode characters in position 5-6: ordinal not in range(128)

我想找到一个优雅的解决方案来保存重音字符，我可以应用于任何情况。我有时会使用以下内容：

 encode('ascii','ignore')

但由于未知原因，这次不起作用。我还试图替换单元格中的<sup>标记，因此我首先使用str()对其进行转换。

这是我的代码的相关部分：

 data = [
      str(td[0]).split('<sup')[0].split('>')[1].split('<')[0],
      td[1].getText()
 ]
 output.append(data)

 csv_file = csv.writer(open('savedFile.csv', 'w'), delimiter=',')

 for line in output:
      csv_file.writerow(line)

Answer 1

如果td[0]为u"a<sup>b</sup>c"：

td[0].split('<sup')是u"a"。

td[0].partition('>')[2].split('<')[0]是u"b"。

td[0][td[0].rindex('>') + 1:]是u"c"。

如果这种字符串索引和匹配过于简单，您可以考虑创建一个正则表达式并将其与html标记中的文本进行匹配：

import re
r = re.compile("[^<]*<sup>([^<]*)</sup>")
m = r.match("some<sup>text</sup>")
print(m.groups()[0])

Answer 2

csv.reader()和csv.writer()要求以二进制模式打开文件。您还应该在最后关闭该文件。因此，你应该写它：

f = open('output.csv', 'wb')
writer = csv.writer(f, delimiter=',')

for row in output:
    writer.writerow(row)

f.close()

或者，在使用较新版本的Python时，您可以使用with构造：

with open('output.csv', 'wb') as f:
    writer = csv.writer(f, delimiter=',')

    for row in output:
        writer.writerow(row)

...文件将自动关闭。

无论如何，csv.writer（）期望由字节序列（而不是Unicode字符串）组成的行。如果您有Unicode字符串，请使用.encode（'utf-8'）转换它们：

    for row in output:
        encoded_row = [s.encode('utf-8') for s in row]
        writer.writerow(encoded_row)

Python错误“Ordinal not in range”带有重音符号

2 个答案: