BeautifulSoup Some characters could not be decoded, and were replaced with REPLACEMENT CHARACTER.(示例

Posted 后青春的诗

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了BeautifulSoup Some characters could not be decoded, and were replaced with REPLACEMENT CHARACTER.(示例相关的知识,希望对你有一定的参考价值。

BeautifulSoup很赞的东西

最近出现一个问题:Python 3.3

soup=BeautifulSoup(urllib.request.urlopen(url_path),"html.parser")

soup.findAll("a",{"href":re.compile(‘^http|^/‘)})

 出现warning:

Some characters could not be decoded, and were replaced with REPLACEMENT CHARACTER.

在极少数情况下(通常当UTF-8文档包含以完全不同的编码编写的文本时),获取Unicode的唯一方法是使用特殊的Unicode字符“REPLACEMENT CHARACTER”(U + FFFD)替换某些字符。 如果是Unicode,Dammit需要这样做,它将在UnicodeDammit或BeautifulSoup对象上将.contains_replacement_characters属性设置为True。 这让您知道Unicode表示不是原始的精确表示 - 一些数据丢失。 如果文档包含 ,但是.contains_replacement_characters为False,那么您将知道 原来是存在的,并且不代表缺少的数据。

解决:soup=BeautifulSoup(urllib.request.urlopen(url_path),""html.parser",from_encoding="iso-8859-1")

以上是关于BeautifulSoup Some characters could not be decoded, and were replaced with REPLACEMENT CHARACTER.(示例的主要内容,如果未能解决你的问题,请参考以下文章

使用 BeautifulSoup 从 img 标签中提取 src 属性

用 BeautifulSoup 中的另一个标签替换一个标签

Python BeautifulSoup 相当于 lxml make_links_absolute

Beautifulsoup 与 lxml 与 Beautifulsoup 3

爬虫基础库 — beautifulsoup

爬虫—— BeautifulSoup模块获取元素