gux 发表于 2021-7-11 22:42:23

关于 BeautifulSoup 对象的.prettify() 方法

本帖最后由 gux 于 2021-7-11 22:42 编辑

以下程序生成了一个BeautifulSoup对象soup, 并打印 soup.prettify():

from urllib.request import urlopen
from urllib.error import HTTPError
from bs4 import BeautifulSoup
from urllib.parse import urljoin
from urllib.request import pathname2url


def path2url(path):
    return urljoin('file:', pathname2url(path))

html = urlopen(path2url('D:\\Webscraping\\Mathematics authors_titles \'new\'.html'), 'r')
soup = BeautifulSoup(html, 'html.parser')
print(soup.prettify())

运行结果的前几行为

i
                      </span>
                      <span style="display: inline-block; width: 0px; height: 3.993em;">
                      </span>
                     </span>
                  </span>
                   </span>
                  </span>
               </span>
               <span style="display: inline-block; width: 0px; height: 3.993em;">
               </span>



soup.prettify() 是一个字符串对象:

print(type(soup.prettify()))

的运行结果为

<class 'str'>

然而,当我试图把 soup.prettify() 写入一个txt文件时,发生了异常:

from urllib.request import pathname2url


def path2url(path):
    return urljoin('file:', pathname2url(path))

html = urlopen(path2url('D:\\Webscraping\\Mathematics authors_titles \'new\'.html'), 'r')
soup = BeautifulSoup(html, 'html.parser')

with open('arxiv_new.txt', 'w') as arxiv_new:
    arxiv_new.write(soup.prettify())

运行时出现异常

Traceback (most recent call last):
File "D:\Webscraping\arxiv_math_new.py", line 18, in <module>
    arxiv_new.write(soup.prettify())
UnicodeEncodeError: 'gbk' codec can't encode character '\u22ca' in position 28183: illegal multibyte sequence

为什么一个字符串对象能被打印,却不能写入文件?



Twilight6 发表于 2021-7-11 22:57:03


网页获取的字符串编码和你 txt 文件的编码不同呗,编码不相同自然写入要么会报错、要么乱码

字符串是 utf-8 编码的可能,你 open 那加上 encoding = 'utf-8' 应该就可以了

参考代码:

with open('arxiv_new.txt', 'w', encoding='utf-8') as arxiv_new:
    arxiv_new.write(soup.prettify())

gux 发表于 2021-7-12 09:49:22

Twilight6 发表于 2021-7-11 22:57
网页获取的字符串编码和你 txt 文件的编码不同呗,编码不相同自然写入要么会报错、要么乱码

字符串是...

非常感谢!
页: [1]
查看完整版本: 关于 BeautifulSoup 对象的.prettify() 方法