Question

我正在将网页的抓取输出写入CSV文件。但是，很少有特殊字符（例如“连字符”）无法正确解析。

原始文本：Amazon Forecast-现在普遍可用

csv中的结果：Amazon Forecast –现在普遍可用

我尝试了以下代码

from bs4 import BeautifulSoup
from datetime import date
import requests
import csv
source = requests.get('https://aws.amazon.com/blogs/aws/').text
soup = BeautifulSoup(source, 'lxml')
# csv_file = open('aitrendsresults.csv', 'w')
csv_file = open('aws_cloud_results.csv', 'w' , encoding = 'utf8' )
csv_writer = csv.writer(csv_file)
csv_writer.writerow(['title','img','src','summary'])
match = soup.find_all('div',class_='lb-row lb-snap')
for n in match:
 imgsrc= n.div.img.get('src')
 titlesrc= n.find('div',{'class':'lb-col lb-mid-18 lb-tiny-24'})
 titletxt= titlesrc.h2.text
 anchortxt= titlesrc.a.get('href')
 sumtxt= titlesrc.section.p.text
 print(sumtxt)
 csv_writer.writerow([titletxt,imgsrc,anchortxt,sumtxt])
csv_file.close()

您能帮我得到与上面提供的原始文本相同的文本吗？

Answer 1

创建一个函数来处理ASCII字符（即连字符，分号），并将字符串作为参数传递给下面的函数：

def decode_ascii(string):
    return string.encode('ascii', 'ignore').decode('ascii')

input_text = 'Amazon Forecast - Now Generally Available'
output_text = decode_ascii(input_text)
print(output_text)

输出应为CSV中的Amazon Forecast - Now Generally Available。

Answer 2

我也一直在与BS合作，我认为您只是犯了一个小错误。在第8行中，打开csv文件，编码应为“ UTF-8”而不是“ utf8”。看看是否有帮助。

Answer 3

使用标题测试以下对我有用的

from bs4 import BeautifulSoup
import requests, csv

source = requests.get('https://aws.amazon.com/blogs/aws/').text
soup = BeautifulSoup(source, 'lxml')

with open("aws_cloud_results.csv", "w", encoding="utf-8-sig", newline='') as csv_file:
    w = csv.writer(csv_file, delimiter = ";", quoting=csv.QUOTE_MINIMAL)
    w.writerow(['title'])
    match = soup.find_all('div',class_='lb-row lb-snap')
    for n in match:
        titlesrc= n.find('div',{'class':'lb-col lb-mid-18 lb-tiny-24'})
        titletxt= titlesrc.h2.text
        w.writerow([titletxt])

将特殊字符写入CSV文件时出现问题

3 个答案: