python - Django 和 lxml 中的解码问题

Question

使用 Django 应用程序的已部署版本时，lxml 有一个奇怪的问题。我使用 lxml 解析从服务器获取的另一个 HTML 页面。这在我自己的计算机上的开发服务器上运行良好，但由于某种原因它UnicodeDecodeError在服务器上给了我。

('utf8', "\x85why hello there!", 0, 1, 'unexpected code byte')

我已确保 Apache（使用 mod_python）与LANG='en_US.UTF-8'.

我试过用谷歌搜索这个问题，并尝试了不同的方法来正确解码字符串，但我无法弄清楚。

在您的回答中，您可能会假设我的字符串被调用hello或其他东西。

score 3 · Accepted Answer

“\x85为什么你好！” 不是 utf-8 编码的字符串。您应该在将网页传递给 lxml 之前尝试解码网页。通过在获取页面时查看 http 标头来检查它使用的编码，也许你会在那里发现问题。

score 0 · Accepted Answer

没有诸如u"\x85why hello there!"帮助之类的语法吗？

您可能会发现官方 Python 文档中的以下资源很有帮助：

score -2 · Accepted Answer

由于修改 site.py 不是一个理想的解决方案，请在程序开始时尝试以下操作：

import sys
reload(sys)
sys.setdefaultencoding("utf-8")

3 回答 3