®在解析XML时会在Python中转换为®

Question

我的RSS Feed ontains：

<title><![ CDATA[HBO Wins 19 Emmy® Awards, The Most of Any Network This Year]]></title>

现在我正在解析RSS，然后将标题分配给标题，如下所示：

 for item in XML.ElementFromURL(feed).xpath('//item',namespaces=NEWS_NS):
        title = item.find('title').text
        Log("Title :"+title)

当我检查输出或日志文件时，我看到如下标题：

  

HBO荣获19项艾美奖颁奖典礼，是今年任何网络的最佳奖项。

®转换为®。任何我尝试使用HTML解析器，但没有用。

Answer 1

您声明Feed的编码是ISO-8859-1。

在这种情况下，如果您说的字节应该被解释为®实际上是C2 AE，那么真的，真正的文字是Emmy® Awards ，一切都在按预期工作。如果发件人想要不同的文本，他们会发送不同的数据或以不同的方式设置编码。

如果Feed的编码是UTF-8，并且通过网络发送的字节仍为C2 AE，那么文本将为Emmy® Awards。

如果Feed的编码是ISO-8859-1，并且通过网络发送的字节只是AE，而没有C2，那么文本将是Emmy® Awards。

要确定字节是什么，请使用Unix中的od -x命令或d中的debug.exe命令。在这种情况下不要相信记事本。它就在。

Answer 2

您收到了一些使用UTF-8编码的文本，但在某些时候，这些字节被错误地解释为ISO-8859-1或其他编码。

如果没有更多背景信息，很难确切地知道错误发生在哪里。您应该首先检查用于读取日志文件的编码。

Answer 3