使用bs4解析html时出现意外结果

Question

我在Python 3.8.2中尝试了以下代码：

from bs4 import BeautifulSoup
import urllib.request

html = urllib.request.urlopen(
    'https://vietnamnet.vn/').read()

soup = BeautifulSoup(html, "html.parser").encode("utf-8")

print(soup.title)

但我收到：

而不是预期的：<title>Báo VietNamNet - Tin tức online, tin nhanh Việt Nam và thế giới</title>

我做错了什么？我该如何修复它

我必须使用.encode("utf-8")，因为html字符串包含unicode字符。它对汤有影响吗

谢谢

Answer 1

在读取url后，您应该使用如下所示的适当编码格式对其进行解码

from urllib import request
from bs4 import BeautifulSoup
import urllib.request

html = urllib.request.urlopen(
    'https://vietnamnet.vn/').read().decode('utf8')

soup = BeautifulSoup(html, "html.parser")
title = soup.find('title')

print("title is :", title)