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

在运行脚本之前，可以将字符编码设置为UTF-8：

export LC_CTYPE="en_US.UTF-8"

这通常可以解决问题。

2021-05-07 14:27:06

其他回答

当django项目使用Apache进行部署时，经常会出现此问题。因为Apache在/etc/sysconfig/httpd中设置了环境变量LANG=C。只需打开文件并对该设置进行注释（或更改为黄色）。或者使用WSGIDaemonProcess命令的lang选项，在这种情况下，您将能够为不同的虚拟主机设置不同的lang环境变量。

2019-10-14 08:08:53

下面的解决方案对我有效，刚刚补充

u“字符串”

（表示字符串为unicode）。

result_html = result.to_html(col_space=1, index=False, justify={'right'})

text = u"""
<html>
<body>
<p>
Hello all, <br>
<br>
Here's weekly summary report.  Let me know if you have any questions. <br>
<br>
Data Summary <br>
<br>
<br>
{0}
</p>
<p>Thanks,</p>
<p>Data Team</p>
</body></html>
""".format(result_html)

2017-11-01 21:58:30

推荐的解决方案不适用于我，我可以忍受转储所有非ascii字符，因此

s = s.encode('ascii',errors='ignore')

这给我留下了一些不会出错的东西。

2020-03-26 19:34:18

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

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