Я получаю сообщение об ошибке Юникода: UnicodeEncodeError: 'charmap' codec can't encode character u'\xa9' in position 822: character maps to <undefined>
Похоже, это стандартный символ авторского права, а в HTML — ©. Я не смог найти способ пройти мимо этого. Я даже попробовал пользовательскую функцию заменить копию пробелом, но это также не удалось с той же ошибкой.
import sys
import pprint
import mechanize
import cookielib
from bs4 import BeautifulSoup
import html2text
import lxml
def MakePretty():
def ChangeCopy(S):
return S.replace(chr(169)," ")
br = mechanize.Browser()
# Cookie Jar
cj = cookielib.LWPCookieJar()
br.set_cookiejar(cj)
# Browser options
br.set_handle_equiv(True)
#br.set_handle_gzip(True)
br.set_handle_redirect(True)
br.set_handle_referer(True)
br.set_handle_robots(False)
# Follows refresh 0 but not hangs on refresh > 0
br.set_handle_refresh(mechanize._http.HTTPRefreshProcessor(), max_time=1)
# User-Agent (this is cheating, ok?)
br.addheaders = [('User-agent', 'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.1) Gecko/2008071615 Fedora/3.0.1-1.fc9 Firefox/3.0.1')]
# The site we will navigate into, handling its session
# Open the site
br.open('http://www.thesitewizard.com/faqs/copyright-symbol.shtml')
html = br.response().read()
soup = BeautifulSoup(html)
print soup.prettify()
if __name__ == '__main__':
MakePretty()
Как мне получить prettify после символа авторского права? Я искал решение по всему Интернету безрезультатно (или я мог не понять, поскольку я довольно новичок в Python и очистке).
Спасибо за вашу помощь.
