使用HTML中的unicode和非unicode字符进行编码

Question

我在这里使用这个包：HTML.py 0.04

这是我正在做的事情：

import html
h = html.HTML()
h.p('Some simple Euro: €1.14')
h.p(u'Some Euro: €1.14')

现在当我>>> unicode(h)时，我收到错误。

  

UnicodeDecodeError：'ascii'编解码器无法解码位置18的字节0xe2：序数不在范围内（128）

处理此问题的最佳方法是什么？ 我需要将html写入文件。

Answer 1

h.p('Some simple Euro: €1.14')

对于HTML内容，您应该避免字节字符串（Python 2中的''，Python 3中的b''）。 HTML的字符模型是Unicode，因此只应使用Unicode字符串（u''）。

对于简单的ASCII字符，你可以做错。由于大多数常见的字节编码是ASCII的超集，因此Python 2将隐式地将ASCII字节字符串转换为Unicode。但€字符不是ASCII的一部分，因此Python无法告诉如何阅读它。如果您使用UTF-8编码保存了上面的源代码，那么您将拥有字节字符串b'\xe2\x82\xac'，这可能意味着€，€，竄ｬ或许多其他字符序列取决于使用的编码。