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

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

其他回答

我总是将下面的代码放在python文件的前两行：

# -*- coding: utf-8 -*-
from __future__ import unicode_literals

2018-02-27 14:40:22

阅读Python Unicode HOWTO。这个错误是第一个例子。

不要使用str（）将unicode转换为编码文本/字节。

相反，使用.encode（）对字符串进行编码：

p.agent_info = u' '.join((agent_contact, agent_telno)).encode('utf-8').strip()

或完全在unicode中工作。

2012-03-30 12:21:31

外壳内：

通过以下命令查找支持的UTF-8语言环境：区域设置-a |grep“UTF-8”在运行脚本之前导出它，例如：导出LC_ALL=$（语言环境-a|grep UTF-8）或手动类似：导出LC_ALL=C.UTF-8通过打印特殊字符进行测试，例如。™:python-c'打印（u“\u2122”）；'

以上是在Ubuntu中测试的。

2019-01-30 20:21:40

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)

2019-01-27 01:27:47

我刚刚遇到了这个问题，谷歌把我带到了这里，所以为了补充这里的一般解决方案，这是对我有用的：

# 'value' contains the problematic data
unic = u''
unic += value
value = unic

我看了奈德的演讲后有了这个想法。

不过，我并没有完全理解为什么这样做有效。所以，如果有人能编辑这个答案或发表评论来解释，我将不胜感激。

2016-03-12 03:14:47

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