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？
我在尝试将Unicode字符输出到stdout时遇到了这个问题，但使用sys.stdout.write，而不是打印（这样我也可以支持输出到其他文件）。
从BeautifulSoup自己的文档中，我用编解码器库解决了这个问题：
import sys
import codecs
def main(fIn, fOut):
soup = BeautifulSoup(fIn)
# Do processing, with data including non-ASCII characters
fOut.write(unicode(soup))
if __name__ == '__main__':
with (sys.stdin) as fIn: # Don't think we need codecs.getreader here
with codecs.getwriter('utf-8')(sys.stdout) as fOut:
main(fIn, fOut)
这是一个经典的python unicode痛点！考虑以下事项：
a = u'bats\u00E0'
print a
=> batsà
到目前为止一切都很好，但如果我们调用str（a），让我们看看会发生什么：
str(a)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
UnicodeEncodeError: 'ascii' codec can't encode character u'\xe0' in position 4: ordinal not in range(128)
噢，滴，这对任何人都没有好处！要修复该错误，请使用.encode显式编码字节，并告诉python要使用的编解码器：
a.encode('utf-8')
=> 'bats\xc3\xa0'
print a.encode('utf-8')
=> batsà
Voil\u00E0！
问题是，当您调用str（）时，python使用默认的字符编码来尝试对您给它的字节进行编码，在您的情况下，这些字节有时是unicode字符的表示。要解决这个问题，你必须告诉python如何使用.encode（'hatever_unicode'）处理你给它的字符串。大多数时候，你应该可以使用utf-8。
有关此主题的精彩阐述，请参阅Ned Batchelder的PyCon演讲：http://nedbatchelder.com/text/unipain.html
