运行我的代码时,我收到此错误
UnicodeEncodeError:'ascii'编解码器无法对位置71中的字符'\ u0303'进行编码:序号不在范围内(128)
这是我的全部代码,
from urllib.request import urlopen as uReq
from urllib.request import urlretrieve as uRet
from bs4 import BeautifulSoup as soup
import urllib
for x in range(143, 608):
myUrl = "example.com/" + str(x)
try:
uClient = uReq(myUrl)
page_html = uClient.read()
uClient.close()
page_soup = soup(page_html, "html.parser")
container = page_soup.findAll("div", {"id": "videoPostContent"})
img_container = container[0].findAll("img")
images = img_container[0].findAll("img")
imgCounter = 0
if len(images) == "":
for image in images:
print('Downloading image from ' + image['src'] + '...')
imgCounter += 1
uRet(image['src'], 'pictures/' + str(x) + '.jpg')
else:
for image in img_container:
print('Downloading image from ' + image['src'] + '...')
imgCounter += 1
uRet(image['src'], 'pictures/' + str(x) + '_' + str(imgCounter) + '.jpg')
except urllib.error.HTTPError:
continue
尝试过的解决方案:
我尝试将.encode/decode('utf-8')
和.text.encode/decode('utf-8')
添加到page_soup
,但它会出现此错误。
AttributeError:'str'/'bytes'对象没有属性'findAll'或
答案 0 :(得分:0)
至少有一个图片src网址包含非ascii字符,urlretrieve
无法处理它们。
>>> url = 'http://example.com/' + '\u0303'
>>> urlretrieve(url)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
...
UnicodeEncodeError: 'ascii' codec can't encode character '\u0303' in position 5: ordinal not in range(128)
您可以尝试使用其中一种方法来解决此问题。
假设这些网址有效,并使用具有更好的unicode处理功能的库检索它们,例如requests。
假设网址有效,但包含必须在传递给urlretrieve
之前转义的unicode字符。这需要将url拆分为scheme,domain,path等,引用路径和任何查询参数,然后取消分割;所有这些工具都在urllib.parse包中(但这可能是请求所做的,所以只需使用请求)。
假设这些网址被破坏并通过urlretrieve
try/except UnicodeEncodeError
来跳过这些网址
醇>