Question

**更新：我尝试将最终列表保存到csv文件中，看到一切看起来都很好。正如Alex H.在他的回答中提到的那样，列表（字符串）的打印结果看起来并不总是很漂亮。

我刚刚开始使用python进行网络数据分析。遇到这个问题很令人沮丧，我希望有人可以帮助我！

我正在尝试使用网站上的文本数据。下面是我的代码（请注意我只是随机选择了一个网站来测试其关于我们的信息）。我希望最终的ps列表只包含三个编码为utf-8的文本块。但是，当我打印每个单独编码的文本块时，结果看起来很好（所有html格式都被删除）但是当我打印ps时，最后的附加列表，html格式仍然存在。 append（）函数是否删除编码结果？如果是这样，我该怎么做才能保留ps列表的编码？

import urllib2
def download(url, user_agent='wswp', num_retries=2):
    print 'downloading: ', url
    headers={'User-agent': user_agent}
    request=urllib2.Request(url, headers=headers)
    opener=urllib2.build_opener()
    try:
        html=opener.open(request).read()
    except urllib2.URLError as e:
        print 'Download error: ', e.reason
        html=None
        if num_retries>0:
            if hasattr(e, 'code') and 500<=e.code<600:
                return download(url, user_agent, num_retries-1)
    return html

url='http://www.piqproducts.com/pages/who-we-are'
html=download(url)

from bs4 import BeautifulSoup
soup=BeautifulSoup(html, 'html.parser')
ps = []
for p in soup.findAll('p'):
    x=p.text.encode("utf-8")
    print x
    ps.append(x)
print ps
for p in soup.findAll('p'):
    print p.text.encode("utf-8")

Answer 1

这里没有真正的问题，只是不要指望在打印列表时看起来很漂亮。无论如何，您不需要为任何实际目的打印列表，您可以通过单独处理项目获得所需的任何输出。列表有自己的字符串表示形式。这是一个可以解释一下的控制台会话。

>>> ps = ['a', 'b', 'ç']
>>> print ps
['a', 'b', '\xc3\xa7']
>>> for p in ps: print p
... 
a
b
ç
>>> print ps[2]
ç
>>> print repr(ps[2])
'\xc3\xa7'
>>> repr(ps) == str(ps)
True

Python append（）删除utf-8编码？

1 个答案: