0

我一直在写糟糕的 perl，但我正在尝试学习编写糟糕的 python。我已经阅读了几天来一直遇到的问题（并且因此对 unicode 有了更多的了解），但是我仍然遇到以下代码中的流氓 em-dash 的问题：

import urllib2

def scrape(url):
# simplified
    data = urllib2.urlopen(url)
    return data.read()

def query_graph_api(url_list):
# query Facebook's Graph API, store data.
    for url in url_list:
        graph_query = graph_query_root + "%22" + url + "%22"
        query_data = scrape(graph_query)
        print query_data #debug console

### START HERE ####

graph_query_root = "https://graph.facebook.com/fql?q=SELECT%20normalized_url,share_count,like_count,comment_count,total_count%20FROM%20link_stat%20WHERE%20url="

url_list = ['http://www.supersavvyme.co.uk',  'http://www.supersavvyme.co.uk/article/how-to-be-happy–laugh-more']

query_graph_api(url_list)

（这是刮板的简化表示，顺便说一句。原始版本使用站点sitemap.xml构建 URL 列表，然后查询 Facebook 的 Graph API 以获取每个信息 - 这是原始刮板）

我对此进行调试的尝试主要包括尝试模仿正在重写莎士比亚的无限猴子。我常用的方法（在 StackOverflow 中搜索错误消息，复制并粘贴解决方案）失败了。

问题：如何对我的数据进行编码，以便第二个 URL 中的 em-dash 等扩展字符不会破坏我的代码，但仍能在 FQL 查询中工作？

PS我什至想知道我是否在问正确的问题：可能会urllib.urlencode在这里帮助我（当然它会使graph_query_root创建更容易和更漂亮......

---8<----

我从 ScraperWiki 上的实际爬虫得到的回溯如下：

http://www.supersavvyme.co.uk/article/how-to-be-happy–laugh-more
Line 80 - query_graph_api(urls)
Line 53 - query_data = scrape(graph_query) -- query_graph_api((urls=['http://www.supersavvyme.co.uk', 'http://...more
Line 21 - data = urllib2.urlopen(unicode(url)) -- scrape((url=u'https://graph.facebook.com/fql?q=SELECT%20url,...more
/usr/lib/python2.7/urllib2.py:126 -- urlopen((url=u'https://graph.facebook.com/fql?q=SELECT%20url,no...more
UnicodeEncodeError: 'ascii' codec can't encode character u'\u2013' in position 177: ordinal not in range(128)
4

1 回答 1

1

如果您使用的是 Python 3.x，您所要做的就是添加一行并更改另一行：

gq = graph_query.encode('utf-8')
query_data = scrape(gq)

如果您使用的是 Python 2.x，首先将以下行放在模块文件的顶部：

# -*- coding: utf-8 -*-（在这里 阅读这是为了什么）

然后在传递给 urlopen 之前使所有字符串文字 unicode 和编码：

def scrape(url):
# simplified
    data = urllib2.urlopen(url)
    return data.read()

def query_graph_api(url_list):
# query Facebook's Graph API, store data.
    for url in url_list:
        graph_query = graph_query_root + u"%22" + url + u"%22"
        gq = graph_query.encode('utf-8')
        query_data = scrape(gq)
        print query_data #debug console

### START HERE ####

graph_query_root = u"https://graph.facebook.com/fql?q=SELECT%20normalized_url,share_count,like_count,comment_count,total_count%20FROM%20link_stat%20WHERE%20url="

url_list = [u'http://www.supersavvyme.co.uk', u'http://www.supersavvyme.co.uk/article/how-to-be-happy–laugh-more']

query_graph_api(url_list)

从代码来看，您使用的是 3.x，这对于处理此类事情确实更好。但是你仍然需要在必要时进行编码。在 2.x 中，最好的建议是执行 3.x 默认的做法：在整个代码中使用 unicode，并且仅在需要字节时进行编码。

于 2013-04-28T20:14:47.467 回答