Unicode 解析错误

Question

from urllib.request import urlopen
html = urlopen("http://www.google.com/").read().decode('utf-8').replace("preview","")
from html.parser import HTMLParser
class MyHTMLParser(HTMLParser):
    def handle_data(self, data):
        if any(c.isalpha() for c in data):
            print(data)
MyHTMLParser().feed(html)
input()

所以我正在尝试制作一个程序来查看网站并保存数据，然后显示 HTML 的主要数据。这将完美地与谷歌一起工作，也完美地在 IDLE 中工作，但任何其他带有 unicode 字符的站点，如 cmd 中的\u2605（黑星）或\u00A9（版权）都会产生错误。此错误会立即关闭 cmd 窗口。回溯是：

"UnicodeEncodeError: 'charmap' 编解码器无法编码字符 '\u2122' 在第 8 位：字符映射到（未定义）”

我可以在网站上为大多数人提供很多 .(replace)，但我确信有一种简单的方法可以将其转换为可以读取，或者只是将它们替换为 ""。

Answer 1

看完后：UnicodeEncodeError: 'charmap' codec can't encode - character maps to <undefined>, print function

按照建议 #2，解决方案似乎涉及导入 sys 并使用 sys.stdout.encoding 和 errors='ignore' 对您的字符串进行编码

html = urlopen("http://www.google.com/").read().encode(sys.stdout.encoding, errors='replace').decode('utf-8')`

您可能需要再次解码...我不太确定，因为我没有在我的机器上设置此问题