1

所以我有一个从活动网页中提取信息的脚本。网址是这样的：http ://everguide.com.au/melbourne/event/2012-jul-14/colour/

这个 php 脚本正在调用一个 python 脚本（它是 for 循环的一部分）：

${"tmp" . $i} = utf8_encode (exec("python myscrape.py ${"eu" . $i}"));

它传递一个 URL。python脚本是这样的：

# -*- coding: utf-8 -*-
import sys
URL = sys.argv[1]
#$URL = 'http://everguide.com.au/melbourne/event/2012-jul-14/colour/'

import urllib2
req = urllib2.Request(URL)
response = urllib2.urlopen(req)
html = response.read()

from BeautifulSoup import BeautifulSoup
soup = BeautifulSoup(html.decode('utf-8'))
soup.prettify()

import re


for node in soup.findAll(itemprop="name"):
    n = ''.join(node.findAll(text=True)) 
for node in soup.findAll(itemprop="url"):
    v = ''.join(node.findAll(text=True))

for node in soup.findAll("div", { "class" : "time" }):
    d = ''.join(node.findAll(text=True))

for node in soup.findAll("a", { "id" : "ctl00_holderBody_ctl00_lnkCat" }):
    c = ''.join(node.findAll(text=True)) 

vu = v
vu.encode('utf-8', 'xmlcharrefreplace')
re.escape(vu)

print n,"|", d,"|", vu,"|", c

效果非常好，但只能在 VU 之前返回到 or 管道 - 它不能超过那个！

所有文件、HTML 和 php 都设置了 UTF-8 编码。

当 V 变量中有特殊字符时，它会中断并停止。如果没有特殊字符，它可以完美地工作。

预期输出为：

Colour | 14 July @ 7:30PM | 1000 £ Bend | Clubs & Parties

在服务器上运行脚本（使用相同的 python 命令）但通过 PHP 运行脚本时可以看到此输出 - 我无法重新输入 Venue 字符串！

请帮忙

瑞克

4

1 回答 1

2

vu.encode返回编码字符串......因为你没有分配编码结果，这只是被扔掉了。你有没有尝试过

vu = vu.encode('utf-8', 'xmlcharrefreplace')

您还需要跳过转义，因为它会弄乱编码的 unicode。

于 2012-07-12T08:17:49.347 回答