Question

从Jupyter IPython笔记本运行时，以下代码正常工作：

from bs4 import BeautifulSoup
xml_file_path = "<Path to XML file>"
s = BeautifulSoup(open(xml_file_path), "xml")

但是从Eclipse / PyDev（使用相同的Python解释器）运行时创建汤时失败了：

Traceback (most recent call last):
  File "~/parser/scratch.py", line 3, in <module>
    s = BeautifulSoup(open(xml_file), "xml")
  File "/anaconda/lib/python3.5/site-packages/bs4/__init__.py", line 175, in __init__
    markup = markup.read()
  File "/anaconda/lib/python3.5/encodings/ascii.py", line 26, in decode
    return codecs.ascii_decode(input, self.errors)[0]
UnicodeDecodeError: 'ascii' codec can't decode byte 0xef in position 1812: ordinal not in range(128)

Python版本：3.5.2（Anaconda 4.1.1）
BeautifulSoup：版本4
IPython Notebook版本：4.2.1
Eclipse版本：Mars.2发布（4.5.2）
PyDev版本：5.1.2.20160623256
Mac OS X：El Capitan 10.11.6

更新在Eclipse中导致问题的文件中的字符是�，但这在IPython Notebook中没有问题！如果我从XML文件中删除此字符，那么代码也可以在Eclipse中正常工作。 Eclipse中是否有一些设置需要更改，以便代码不会在此（可能还有其他类似）字符上失败？

Answer 1

我认为您必须使用open（xml_file_path，'rb'）打开 - 并指定两者中的工作原理相同的编码（否则您将从字节到unicode进行隐式转换 - 显然它使用基于你的env的不同编码，因为你在Eclipse中有一些东西，在IPython中有另一种东西。）

尝试做：

with open(xml_file_path, 'rb') as stream:
  contents = stream.read()
  contents.decode('utf-8')

只是为了检查你是否真的能够将其解码为utf-8（即：检查该char是否是有效的utf-8字符）。

BeautifulSoup代码适用于IPython Notebook但不适用于Eclipse

1 个答案: