python - 在 python 中从 web 读取特殊字符

Question

我正在通过 RE 搜索为人名抓取 xml 网页，但是如果名称包含特殊字符，python 无法正确读取它们。例如：

Güngüneş A

出来为：

G\xc3\xbcng\xc3\xbcne\xc5\x9f A

我怎样才能在我的输出中正确地制作这种格式？

Answer 1

你是怎么读这些的？您使用的是什么操作系统？Python 2 还是 3？当我跑步时，

myStr = 'G\xc3\xbcng\xc3\xbcne\xc5\x9f A'
print myStr

我得到，'Güngüneş A'。

此外，当我使用内容“Güngüneş A”制作测试文件并运行时，

mystr = open('test', 'r').read()
print mystr

我得到'Güngüneş A'。

我正在使用 ubuntu 10.04/python 2.6 并且无法使用您提供的信息重现问题，如果您发布您正在使用的实际代码可能会有所帮助。也就是说，您可以尝试指定字符串的类型：

myStr = 'String'
myStr = u'Unicode string'
myStr = r'String literal: escape characters ignored'

或者，如果您想在代码中包含 unicode 字符，可以将此行添加到文件的开头，如本答案中所述：

# -*- coding: utf-8 -*-

Answer 2

使用decode()：

>>> b'G\xc3\xbcng\xc3\xbcne\xc5\x9f A'.decode()
'Güngüne\u015f A'

（我的机器有 'ş' 的问题）