Question

我正在使用BeautifulSoup使用Python 2.7抓取网站。这是我的代码：

# -*- coding: utf-8 -*-

from BeautifulSoup import BeautifulSoup
import urllib
import json

url = 'http://www.website.com'
file_pointer = urllib.urlopen(url)
html_object = BeautifulSoup(file_pointer)

type_select = html_object('select',{'id':'which'})

for option in type_select:
    value = option('option')
    for type_value in value:
        type =  type_value.contents[0]
        param_1 = type_value['value']
        print 'Type:', type

        url2 = 'http://www/website.com/' + param_1
        file_pointer2 = urllib.urlopen(url2)
        html_object2 = BeautifulSoup(file_pointer2)
        result = json.loads(str(html_object2))

        for json1 in result['DATA']:
            category = json1[0].title()
            param_2 = json1[0]
            print '   Category:', category

            url3 = 'http://www/website.com/' + param_2 + '&which=' + param_1
            file_pointer3 = urllib.urlopen(url3)
            html_object3 = BeautifulSoup(file_pointer3)
            result2 = json.loads(str(html_object3))

            for json2 in result2['DATA']:
                sub_category = json2[0]
                param_3 = sub_category.replace(' ','+').replace('&','%26')
                print '       sub_category:', sub_category

                for i in param_3:
                    if i == 'â':
                        print i
  ...

我需要为第四个网址请求替换'â'字符以继续我的抓取，但无论我尝试替换（u'\u2019'，â等），我都是获得UnicodeEncodeError。

我尝试将param_3转换为字符串（因为它是一个BeautifulSoup Navigable String数据类型）并替换，但我得到了同样的错误，除了我的str(param_3)行。我终于尝试了这种for循环比较并得到警告：

UnicodeWarning: Unicode equal comparison failed to convert both arguments to Unicode - interpreting them as being unequal
if i == 'â':

我在这里不知所措。如何翻译此字符并将其替换为param_3中的其他字符？

任何帮助表示赞赏！提前谢谢！

Answer 1

BeautifulSoup返回Unicode字符串，因此在对它们进行操作时请使用Unicode字符串。另请查看urllib.quote_plus。它看起来像你想要的替代品。在与.encode一起使用之前，您需要quote_plus Unicode字符串。

UnicodeWarning：Unicode等同比较。如何替换NavigableString数据类型中的非标准字符？

1 个答案: