BeautifulSoup，Python 3，编码错误

Question

我遇到了 BeautifulSoup 的编码问题。在我的开发环境中一切正常（Ubuntu、Python 3.4、Django 开发服务器）。在生产服务器上（Ubuntu，Python 3.4，相同版本的 Django 和 BeautifulSoup - 唯一的区别是使用 gunicorn 和 Nginx）我得到：

'ascii' codec can't decode byte 0xc3 in position 301: ordinal not in range(128)

trackback 显示问题出在“BeautifulSoup(data)”语句中。

data = open(os.path.join(BASE_DIR, 'data/file.xml'))
data = BeautifulSoup(data)

BeautifulSoup 似乎尝试使用 ascii，但文件是 utf-8 编码的。我尝试了不同的方法，我可以在这里找到堆栈溢出，但它们中的大多数依赖 Python 2 - 但我使用 Python 3。我也尝试过类似的方法：

data = BeautifulSoup(str(data.read()))

但这不起作用。

非常感谢任何帮助。

Answer 1

您没有编码错误。您有一个de编码错误。 open() 调用在这里确实有问题；您没有指定编码，因此使用系统默认值，而在您的系统上，默认值是 ASCII。

您想将 bytes 传递给 BeautifulSoup：

with open(os.path.join(BASE_DIR, 'data/file.xml'), 'rb') as datafile:
    data = BeautifulSoup(datafile)

BeautifulSoup 将从那里开始负责解码。我还将文件处理切换为使用with 语句；文件对象是上下文管理器，这样它会在任何情况下为您正确关闭。

由于您打开的是 XML，而不是 HTML，因此您可能需要通知 BeautifulSoup：

with open(os.path.join(BASE_DIR, 'data/file.xml'), 'rb') as datafile:
    data = BeautifulSoup(datafile, 'xml')

您需要安装 LXML 才能正常工作。