2

我是 Python 的初学者,目前正在从 eventful.com API 解析基于 Web 的 XML 文件,但是在检索数据的某些元素时收到一些 unicode 错误。

我能够从 xml 文件中检索 5 个数据元素而没有任何我想要的问题,但是它会终止并在 GAE 错误控制台中产生以下错误:

UnicodeEncodeError: 'ascii' codec can't encode character u'\u2605' in position 0: ordinal not in range(128)

我知道抛出我的解析器的字符是“★”字符,无论如何我都不想从 xml 文件中检索它。

我的代码如下:

class XMLParser(webapp2.RequestHandler):
        def get(self):
        base_url = 'my xml file'
        #downloads data from xml file
        response = urllib.urlopen(base_url)
        #converts data to string:
        data = response.read()

        #closes file
        response.close()

        #parses xml downloaded
        dom = mdom.parseString(data)
        node = dom.documentElement  
        #print out all event names (titles) found in the eventful xml
        event_main = dom.getElementsByTagName('event')

        event_names = []
        for event in event_main:
            eventObj = event.getElementsByTagName("title")[0]
            event_names.append(eventObj)

        for ev in event_names:
            nodes = ev.childNodes
            for node in nodes:
                if node.nodeType == node.TEXT_NODE:
                    print node.data

有什么方法可以检索“标题”元素并忽略这里的 ★ 字符等有趣的字符?我真的很感激在这件事上的任何帮助。我已经尝试过使用 word.encode('us-ascii', 'ignore') 的解决方案,但这并不能解决问题。

------------我找到了解决方案:

因此,当我遇到这个问题时,在与该主题的讲师交谈后,我发现只需要两行代码来编码和解码解析的 xml 文件(在它被读入程序之后)。希望这可以帮助其他有同样问题的人!

unicode_data = data.decode('utf-8')
data = unicode_data.encode('ascii','ignore')
4

1 回答 1

1

你在哪里使用你的解码方法?

我过去遇到过这个错误,不得不解码原始数据。换句话说,我会尝试做

data = response.read()
#closes file
response.close()
#decode
data.encode("us-ascii")

那就是如果它实际上是ascii。我的意思是在调用 parseString 之前,确保在原始结果仍为字符串格式时对其进行编码/解码。

于 2013-04-18T03:28:44.403 回答