Python2.7编码和feedpar

Question

简而言之，我的情况是：

• 从RSS源读取数据
• 将内容打印到终端

当然，内容不是纯ascii格式的，而是utf-8格式的，所以我得到了像“äå”这样的字符。但是当我打印文本时，它会被诸如“\xe4”之类的ecapes弄乱了。和编码有关，但我就是不明白。这应该是如此的微不足道，但谷歌傅是让我失望。在

一个例子是当我逐字逐句地浏览内容并试图找到“掼”这个字符时，我确实：

if u"ö" in word:

这只是给出：UnicodeDecodeError:'ascii'编解码器无法解码第6位的字节0xc3。。。在

编辑：

所以我想我发现了我的问题。我在拿饲料然后做str(条目.内容)继续往前走，但是条目.内容是一个包含一个以unicode字符串作为值的字典的列表，所以我所做的（我猜）只是得到字典内容的ascii表示。。。在

Answer 1

您正在尝试将编码文本与unicode进行比较。Python不知道编码的文本是UTF-8，所以它猜测它是ASCII，并尝试将其解码为unicode。解决方案是用正确的编码显式地解码它。在

查看Python Unicode HOWTO了解更多信息。在

我可以用这个文件重现您的问题：

# coding: utf-8

word = "öäå"
if u"ö" in word:
    print True

然后用这个文件修复它：

^{pr2}$

Answer 2

如果您知道您的文本是UTF-8，那么可以在开始使用它们之前将其解码为unicode对象。一旦从文件中读取字节，就可以使用字符串的decode()方法作为word.decode('UTF8')对它们进行解码，以返回unicode对象。在

Answer 3

尝试使用feedparser包http://packages.python.org/feedparser/ 它能很好地处理编码并支持几乎所有的feed格式。你只会得到结构良好的数据。在