Question

我想解析http://en.wikipedia.org/wiki/List_of_circulating_currencies中的货币表。问题是我没有以正确的格式获得输出。我希望输出格式为：

country currency

如果是多种货币，则货币应位于上一种货币之后的下一行或空格中。这是我能走多远

from bs4 import BeautifulSoup

import urllib2
url="http://en.wikipedia.org/wiki/List_of_circulating_currencies"
soup=BeautifulSoup(urllib2.urlopen(url).read())
i=1
fr=open("out.txt","w")
for row in soup.findAll('table')[0].findAll('tr'):
    if i==1:
        i+=1
        continue


    temp_row=row.findAll('td')
    print len(temp_row)
    """Handling the case for multiple currencies"""
    if(len(temp_row)==5):
        ans=row.findAll('td')[0].findAll('a')
        if len(ans)==0 :
            ans=row.findAll('td')[0].contents
        else :
            ans=row.findAll('td')[0].findAll('a')[0].contents
        fr.write("      "+str(ans)+"\n")
    else:
        first=row.findAll('td')[0].findAll('a')[0].contents

        ans=row.findAll('td')[1].findAll('a')
        if len(ans)==0 :
            ans=row.findAll('td')[1].contents
        else :
            ans=row.findAll('td')[1].findAll('a')[0].contents
    #print first
        fr.write(str(first)+"    "+str(ans)+"\n")

问题是当我使用内容[0]而不是它给出的内容时，我想要字符串：

UnicodeEncodeError: 'ascii' codec can't encode character u'\xf3' in position 15: ordinal not in range(128)

错误我也没有得到确切格式的输出。文件out.txt必须由VB编写的其他程序读取，所以我希望文件格式尽可能接近指定的格式。另外请帮我清理代码。

更新：

我使用encode获得以下错误：

 File "D:/scrap.py", line 33, in <module>
    first = first.encode('ascii', 'ignore')
  File "C:\Python27\lib\site-packages\bs4\element.py", line 992, in encode
    u = self.decode(indent_level, encoding, formatter)
  File "C:\Python27\lib\site-packages\bs4\element.py", line 1056, in decode
    indent_space = (' ' * (indent_level - 1))
TypeError: unsupported operand type(s) for -: 'str' and 'int'

更新：在开头添加以下行以使其正常工作

import sys
reload(sys)
sys.setdefaultencoding("utf-8")

Answer 1

看看你是否获得可靠的结果尝试暂时忽略unicode，看看结果是什么。

first = first.encode('ascii', 'ignore')
ans = ans.encode('ascii', 'ignore')

print first + " " + ans

Answer 2

如果你的文件中有utf chars，你可以使用encode('utf8')将unicode对象转换为utf编码的字符串。

将BeautifulSoup中的文本写入文件

2 个答案: