Question

我有一个包含一些html的<type 'str'>变量。我的问题是，当打印到控制台时，特殊字符的编码类似于"\xfc"而不是"ü"。

我已经尝试过了

html = html.encode('utf-8').decode('string_escape')

但没有成功。谁能引导我走向正确的方向？

谢谢！

更新

问题尚未解决。以下是有关此问题的更多信息......

我从外部源接收一个json字符串，其中包含html以及其他一些东西。由于json结构经常变化，我想用“暴力方法”访问带有xpath的html。

所以我想用漂亮的汤。

为此，我将json字符串传递给json.loads（），将其转换为对象。然后我将json对象强制转换为普通字符串并将其传递给美丽的汤。

这种方法非常有效，除了特殊字符，如ßäüöÄÜ。

解决这个问题的最佳方法是什么？

这是一些伪代码

data = json.loads(jsonstring)
html = str(data) 
soup = BeautifulSoup(data)
html = soup.prettify()
html = "<html><head><meta charset='UTF-8'></head>" + html + "</body></html>"

print type(html)
print html

这是美丽汤的典型结果（参见 Haus f \ xfcr Belgien ）

 <div class="sr_color">
          <div style="float:left">
           <a class="sr_color" href="">
            Haus f\xfcr Belgien
           </a>
           :
           <span>
            <span class="sr_num_color">
             5,0
            </span>
            <span style="display:-moz-inline-box;display:inline-block;float:none;vertical-align:-1px" class="star">
             <span style="width:65px">
              &nbsp;
             </span>
            </span>
           </span>
          </div>
         </div>

Answer 1

\xfc是ü中latin1的代表。

首先，将您的html解码为unicode，然后使用适合您控制台的编码进行打印：

u = html.decode('latin1')  # u is an unicode string
print u.encode('utf-8')    # u.encode('utf-8') is a bytestring, encoded in utf-8

请注意：

decode从bytestrings转到unicode
encode从unicode转到bytestrings

Bytestrings（Python 2中的str，Python 3中的bytes）是用于输入（例如HTML）和输出（例如控制台）的内容。 Unicode（Python 2中的unicode，Python 3中的str）是您应该在程序中使用的。

Answer 2

您确定您的控制台支持unicode吗？ Python可以很好地处理字符，但是当它被打印时，你的终端可能无法正确解释它。尝试将字符串写入文件并使用支持unicode的某个编辑器（甚至是html文件并在浏览器中打开它）打开它。

大多数终端仿真器支持多种编码，可以在其选项中进行设置（取决于所讨论的终端仿真器）。

如何强制html解析json字符串或如何修复＆＃34; \ xfc＆＃34;在Python中的<type'str'=“”>中</type>

2 个答案: