是什么让 python webscrape 输出 unicode？

Question

我正在玩 BeautifulSoup 抓取一个 table 及其内容，我注意到我根据结束方式得到不同的输出 - 如果我直接打印它，我会得到一个没有 unicode 符号的输出。

html = urlopen('http://www.bcsfootball.org').read()
soup = BeautifulSoup(html)

for row in soup('table', {'class':'mod-data'})[0].tbody('tr'):
    tds = row('td')
    print tds[0].string, tds[1].string

给出：

1 Florida State
2 Auburn
3 Alabama
4 Michigan State
5 Stanford

等等（顺便说一句，是否有像 .head() 或索引这样的简单方法来限制行输出的数量？）

但是当我用括号括起最后一行时，

print (tds[0].string, tds[1].string)

或者给行分配一个变量然后打印变量，

output = tds[0].string, tds[1].string
print output

我得到了 unicode 格式的输出：

(u'1', u'Florida State')
(u'2', u'Auburn')
(u'3', u'Alabama')
(u'4', u'Michigan State')
(u'5', u'Stanford')

这是怎么回事？提前致谢。

Answer 1

实际上，您的所有输出都是 unicode。 Beautifulsoup默认根据其doc转换成unicode。

当您使用括号和 output 时，您也在打印 tuple 对象。并且在直接执行时只使用 uncode。

Answer 2

它是对象的 repr() 输出与其 str() 输出之间的差异。我还注意到您正在使用 Python 2.X，其中 print 是关键字：

>>> s=u'M\xfcrk'
>>> print s        # Formatted for output display
Mürk
>>> print repr(s)  # Formatted to view type and content
u'M\xfcrk'
>>> s              # It is what you get by default at interactive prompt
u'M\xfcrk'

注意 repr 版本允许查看字符串中不可打印的字符，或者可能无法在当前终端上表示的字符。

当您使用带括号的打印时，Python 2.X 认为您正在打印 tuple。显示列表和元组等序列时，默认显示 repr 版本的字符串：

>>> print (s)       # NOT a tuple, so seems to work
Mürk
>>> print (s,)      # A 1-tuple
(u'M\xfcrk',)
>>> print (s,1,2)   # A 3-tuple
(u'M\xfcrk', 1, 2)
>>> print s,1,2     # prints normally.
Mürk 1 2

是什么让 python webscrape 输出 unicode？

what makes a python webscrape output unicode?

python

unicode

beautifulsoup