忽略Python（iterparse）中的编码错误？

忽略Python（iterparse）中的编码错误？

你说：

导致该问题的字符是：

你怎么知道？您正在用什么来查看文字？

因此，您无法发布URL和API密钥；读取数据，将其写入文件（以二进制模式）并发布该怎么办？

当您在网络浏览器中打开该文件时，它将检测到什么编码？

至少要这样做

data.depre('utf8') # where data is what you get from ur.read()

这将产生一个异常，告诉您非UTF-8数据的字节偏移。

然后这样做：

print repr(data[offset-10:offset+60])

并向我们​​展示结果。

假设编码实际上是

cp1252

在解码lxml错误消息中的字节：

>>> guff = "xEAx76x65x73">>> from unipredata import name>>> [name(c) for c in guff.depre('1252')]['LATIN SMALL LETTER E WITH CIRCUMFLEX', 'LATIN SMALL LETTER V', 'LATIN SMALL LETTER E', 'LATIN SMALL LETTER S']>>>

那么，您是否看到e-circumflex

ves

，或，a-ring紧随其后

ves

，或a-ring紧随其后？

数据是否以XML声明开头

<?xml version="1.0" encoding="UTF-8"?>

？如果没有，它是从什么开始的？

猜测/确认编码的线索：文字是用哪种语言编写的？什么国家？

*根据提供的更多信息进行 *更新 。

根据您在错误附近显示的摘录，电影的标题为“ La science desrêves”（梦的科学）。

有趣的是，PHP如何在“ F *** ingÅmål”上作呕，但Python在法国梦中cho住。确定要执行相同的查询吗？

您应该已经告诉我们这是IMDB，因此您会早点得到答案。

解决方案： 在传递

data

给

lxml

解析器之前，请执行以下 *** 作：

data = data.replace('encoding="UTF-8"', 'encoding="iso-8859-1"')

这是基于他们在网站上声明的编码，但这也可能是一个谎言。在这种情况下，请尝试

cp1252

。绝对 不是iso-8859-2 。