Selenium爬行西班牙网站UTF8

Question

我在用西班牙语写网站时遇到了麻烦。我编写了以下代码来生成该网站用于其联盟的代码：

LEAGUES = ['Internacional', 'Inglaterra', 'España', 'Francia', 'Alemania', 'Italia', 'Holanda', 'Portugal', 'Australia',
           'Bélgica', 'Egipto', 'Grecia', 'Omán', 'Irán', 'Japón', 'Kuwait', 'Marruecos', 'Arabia Saudí', 'Escocia', 'Turquía',
           'Irlanda del Norte', 'Dinamarca', 'Rusia', 'Emiratos Árabes', 'Gales', 'Túnez', 'Noruega', 'Suecia', 'Argelia', 'Israel']

def codes_generator():
    """
    generates dictionary containing codes for every division available
    """
    codes = defaultdict(dict)
    driver = selenium.webdriver.Chrome(executable_path='/media/Data.II/Dropbox/Projects/football-bidder/utils/chromedriver')
    driver.get('https://www.miljugadas.com/es-ES/sportsbook')
    driver.find_element_by_class_name('sport_240').click()
    for league in LEAGUES:
        try:
            league = driver.find_element_by_link_text(league)
            league.click()
        except selenium.common.exceptions.NoSuchElementException as e:
            continue
        divisions = league.find_element_by_xpath("parent::*").find_elements_by_tag_name('li')
        for division in divisions:
            division = division.find_element_by_tag_name('a')
            division_code = division.get_attribute('data-id')
            division_name = division.text
            codes[league.text][division_name] = division_code
    return codes


{u'B\xe9lgica': {u'B\xe9lgica - Jupiler League': u'52995'}, u'Espa\xf1a': {u'Espa\xf1a - Liga BBVA': u'23170', u'Espa\xf1a - Copa del Rey': u'67954'}, u'Kuwait': {u'Kuwait \u2013 Liga': u'128783'}, u'Holanda': {u'Holanda - Eredivisie': u'47282'}, u'Irlanda del Norte': {u'Irlanda del Norte - Premier': u'57274'} u'Grecia': {u'Grecia - Super Liga': u'53509'}}

它返回一个很难管理的字典。我不能穿越像西班牙这样使用特殊西班牙语字符的联赛。在

Answer 1

看来你的问题是关于编码的。 我建议您：

• 使用编码注释显式声明代码中使用的编码

• 将Unicode[u'string']字符串转换为字符串，如前所述in this question：

  es_string = "mañana"
  es_string.encode("ascii")
  es_string.encode("latin-1")
  es_string.encode("utf-8")
  

Answer 2

u'B\xe9lgica'只是Unicode字符串的安全表示。\xe9==UnicodeU+00E9==é（http://www.fileformat.info/info/unicode/char/e9/index.htm）。在

如果要将Unicode对象打印到兼容的控制台，那么您将看到正确的字符。在

{text5>你也可以使用一个Unicode包装器来保存一个文件。这允许您将其另存为UTF-8。在

下面是一个同时执行这两种操作的示例：

with io.open("myoutfile.txt", "w", encoding="UTF-8") as my_file:
     for (league, division) in codes_generator().items():
         print league
         my_file.write(league)