V2EX = way to explore
V2EX 是一个关于分享和探索的地方
Sign Up Now
For Existing Member Sign In
推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
This topic created in 3020 days ago, the information mentioned may be changed or developed.
用 HTMLParser 解析页面代码，其它部分都没问题，但是个别音标会出错。
比如 abdication, 音标为: "美 [ˌæbdɪ'keɪʃ(ə)n] "，会被解析成"美[ˌbdɪ'ke�", 查看页面编码是 utf-8 没问题，音标行代码为：
<div class="hd_prUS">美 [ˌæbdɪ'keɪʃ(ə)n] </div>。
Python 版本 2.7, 请问我是哪里出了问题？
比如 abdication, 音标为: "美 [ˌæbdɪ'keɪʃ(ə)n] "，会被解析成"美[ˌbdɪ'ke�", 查看页面编码是 utf-8 没问题，音标行代码为：
<div class="hd_prUS">美 [ˌæbdɪ'keɪʃ(ə)n] </div>。
Python 版本 2.7, 请问我是哪里出了问题？
 |
1
rabbbit Jan 30, 2018
把所有代码贴上来
|
 |
2
TimePPT PRO <div class="hd_prUS">美 [ˌæbdɪ'keɪʃ(ə)n] </div>
直接看页面源码，这个 div 的内容是这样的，部分字符被转义了。 看看是不是这个原因导致的编码问题。 记得 HTMLParser 有专门的处理方法。 好像是这个 https://docs.python.org/2/library/htmlparser.html#HTMLParser.HTMLParser.handle_charref 你看下。 以及，貌似页面 head 的 meta 里也有同样信息，还好解一些，可以试试拿到。 我用 BeautifulSoup 直接解析的，没问题（解析器用的 lxml ） |
 |
3
est Jan 30, 2018 via Android
requests 爬的？这玩意坑
|
 |
4
winglight2016 Jan 31, 2018
这种音标需要字体支持吧？
|
 |
5
weeevv OP 谢谢楼上几倍，本科时写的代码直接拿来用了，没注意对音标部分作了长度限制导致 UTF8 编码直接被截断了----我原本想限制的是音标字符串的长度，所以产生了乱码。
另外转义字符也没处理，导致æ在音标没有显示。 |
Select Language