在python中从web中读取特殊字符

Question

我正在通过RE搜索为xml网页抓取人名，但是如果名称包含特殊字符，则python无法正确读取它们。例如：

Güngüneş A

出现：

G\xc3\xbcng\xc3\xbcne\xc5\x9f A

如何在输出中正确显示此格式？

Answer 1

使用decode()：

>>> b'G\xc3\xbcng\xc3\xbcne\xc5\x9f A'.decode()
'Güngüne\u015f A'

（我的机器有'ş'的问题）

Answer 2

你是怎么读这些的？你用的是什么操作系统？ Python 2还是3？我跑的时候，

myStr = 'G\xc3\xbcng\xc3\xbcne\xc5\x9f A'
print myStr

我明白了，'GüngüneşA'。

此外，当我制作带有内容的测试文件时，'GüngüneşA'并运行，

mystr = open('test', 'r').read()
print mystr

我得到'GüngüneşA'。

我正在使用ubuntu 10.04 / python 2.6并且无法使用您提供的信息重现该问题，如果您发布您正在使用它的实际代码可能有所帮助。也就是说，您可以尝试指定字符串的类型：

myStr = 'String'
myStr = u'Unicode string'
myStr = r'String literal: escape characters ignored'

或者，如果您想在代码中包含unicode字符，可以按照this answer中的说明将此行添加到文件的开头：

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