BeautifulSoup代碼在IPython的筆記本電腦，但不蝕

從Jupyter IPython的筆記本電腦運行時，下面的代碼工作正常：BeautifulSoup代碼在IPython的筆記本電腦，但不蝕

from bs4 import BeautifulSoup 
xml_file_path = "<Path to XML file>" 
s = BeautifulSoup(open(xml_file_path), "xml")

但在Eclipse/PyDev的（使用相同的Python運行時產生的湯時失敗解釋器）：

Traceback (most recent call last): 
    File "~/parser/scratch.py", line 3, in <module> 
    s = BeautifulSoup(open(xml_file), "xml") 
    File "/anaconda/lib/python3.5/site-packages/bs4/__init__.py", line 175, in __init__ 
    markup = markup.read() 
    File "/anaconda/lib/python3.5/encodings/ascii.py", line 26, in decode 
    return codecs.ascii_decode(input, self.errors)[0] 
UnicodeDecodeError: 'ascii' codec can't decode byte 0xef in position 1812: ordinal not in range(128)

Python版本：3.5.2（阿納康達4.1.1）
BeautifulSoup：版本4
IPython的筆記本版本：4.2.1
Eclipse版本：Mars.2版本（4.5.2）
PyDev的版本：5.1.2.20160623256
的Mac OS X：埃爾卡皮坦10.11.6

更新： 在Eclipse中導致問題的文件中的字符是�，但這不會導致IPython Notebook中出現問題！如果我從XML文件中刪除這個字符，那麼代碼在Eclipse中也能正常工作。在Eclipse中是否有一些設置需要更改，以便代碼不會在此（也可能是其他此類）字符上失敗？

來源

2017-04-11 arun

[UnicodeDecodeError：'ascii'編解碼器無法解碼位置1中的字節0xef]（http://stackoverflow.com/questions/10561923/unicodedecodeerror-ascii-codec-cant-decode-byte-0xef- in-position-1） – DyZ

@DYZ - 這裏沒有打印。它發生在我創造湯時。 – arun

您是否試過'open（xml_file_path，「utf-8」）'？ –

我認爲你必須用open（xml_file_path，'rb'）打開 - 並指定兩個工作方式相同的編碼（否則你有從字節到unicode的隱式轉換 - 並且顯然它使用基於你的env的不同編碼，因爲你在Eclipse中有一些東西，而在IPython中有另一個東西）。

嘗試做：

with open(xml_file_path, 'rb') as stream: 
    contents = stream.read() 
    contents.decode('utf-8')

只是爲了檢查，如果你真的能夠將它作爲UTF-8解碼（即：檢查是否該字符是一個合法的UTF-8字符）。

來源

2017-04-13 13:47:07

BeautifulSoup代碼在IPython的筆記本電腦，但不蝕

回答

相關問題