UnicodeEncodeError:“ascii”编解码器无法对位置20中的字符u“\xa0”进行编码：序号不在范围内（128）

我在处理从不同网页（在不同的网站上）获取的文本中的unicode字符时遇到了问题。我用的是BeautifulSoup。

问题是，误差并不总是可再现的；它有时会处理某些页面，有时会通过抛出UnicodeEncodeError而退出。我几乎尝试了我能想到的所有方法，但我没有找到任何能在不引发某种Unicode相关错误的情况下始终工作的方法。

导致问题的代码部分如下所示：

agent_telno = agent.find('div', 'agent_contact_number')
agent_telno = '' if agent_telno is None else agent_telno.contents[0]
p.agent_info = str(agent_contact + ' ' + agent_telno).strip()

下面是运行上面的代码段时在某些字符串上生成的堆栈跟踪：

Traceback (most recent call last):
  File "foobar.py", line 792, in <module>
    p.agent_info = str(agent_contact + ' ' + agent_telno).strip()
UnicodeEncodeError: 'ascii' codec can't encode character u'\xa0' in position 20: ordinal not in range(128)

我怀疑这是因为某些页面（或者更具体地说，来自某些网站的页面）可能是编码的，而其他页面可能是未编码的。所有的网站都设在英国，并提供英国消费的数据，因此不存在与内化或处理非英语文本相关的问题。

有没有人对如何解决这个问题有什么想法，以便我能够始终如一地解决这个问题？

当前回答

事实上，我发现在我的大多数情况下，仅仅去掉这些字符就简单多了：

s = mystring.decode('ascii', 'ignore')

2013-11-01 13:44:36

其他回答

一般情况下，如果将这个不支持的编码字符串（比如data_that_causes_ths_error）写入某个文件（例如results.txt），这是有效的

f = open("results.txt", "w")
  f.write(data_that_causes_this_error.encode('utf-8'))
  f.close()

2020-06-07 11:43:50

事实上，我发现在我的大多数情况下，仅仅去掉这些字符就简单多了：

s = mystring.decode('ascii', 'ignore')

2013-11-01 13:44:36

更新python 3.0及更高版本。在python编辑器中尝试以下操作：

locale-gen en_US.UTF-8
export LANG=en_US.UTF-8 LANGUAGE=en_US.en
LC_ALL=en_US.UTF-8

这将系统的默认区域设置编码设置为UTF-8格式。

更多信息可以在PEP538中阅读——强制传统的C语言环境转换为基于UTF-8的语言环境。

2018-12-25 12:36:33

您可以使用unicodedata来避免UnicodeEncodeError。下面是一个示例：

import unicodedata

agent_telno = agent.find('div', 'agent_contact_number')
agent_telno = unicodedata.normalize("NFKD", agent_telno) #it will remove all unwanted character like '\xa0'
agent_telno = '' if agent_telno is None else agent_telno.contents[0]
p.agent_info = str(agent_contact + ' ' + agent_telno).strip()

2022-01-07 15:24:33

对我来说，行之有效的是：

BeautifulSoup(html_text,from_encoding="utf-8")

希望这对某人有所帮助。

2015-01-26 14:53:34

UnicodeEncodeError:“ascii”编解码器无法对位置20中的字符u“\xa0”进行编码：序号不在范围内（128）

推荐文章

最新文章

标签