热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

python中html.replace()_对从包含Unicode的HTML文件中读取的字符串使用.replace()方法...

我想将.html文件作为原始文本读取,并将包含unicode字符的子字符串的实例替换为另一个子字符串。假设文件mm03.html只包含一行文本:test

我想将.html文件作为原始文本读取,并将包含unicode字符的子字符串的实例替换为另一个子字符串。假设文件mm03.html只包含一行文本:«test»

我想读取mm03.html,将其原始文本解析为字符串,然后调用replace,这样输出结果如下所示:

^{pr2}$

我第一次尝试这样做时,我写了以下代码。。。在# -*- coding: utf-8 -*-

import codecs

htmlBase = codecs.open("mm03.html",'r')

htmlFill = htmlBase.read()

print htmlFill

htmlFill = htmlFill.replace("«test»","TEST")

print htmlFill

htmlBase.close()

…期望它首先打印上面列出的原始行,然后再打印第二行。相反,它列出了第一行两次。在

好吧。所以可能是Unicode解码问题,对吧?也许吧,但当我根据这个网站上找到的与Unicode相关的建议修改代码时,各种阴影的问题仍然存在。此外,通过将htmlBase显式定义为。。。在htmlBase = """«test»"""

…这让我相信在python中读取html文件有些东西我不知道。我尝试过在'w'模式下打开mmo3.html,但这似乎不起作用,而且会破坏原始文件。从只读文件中读取的字符串本身应该是只读的没有多大意义,但我可能错了。在

下面是我仔细研究过的几个脚本/输出对。在在要替换的字符串之前添加未加引号的字符'u'# -*- coding: utf-8 -*-

import codecs

htmlBase = codecs.open("mm03.html",'r')

htmlFill = htmlBase.read()

print htmlFill

htmlFill = htmlFill.replace(u"«test»","TEST")

print htmlFill

htmlBase.close()

输出:½test╗

Traceback (most recent call last):

File "test2.py", line 6, in

htmlFill = htmlFill.replace(u"«test»","TEST")

UnicodeDecodeError: 'ascii' codec can't decode byte 0xab in position 31: ordinal not in range(128)

将.decode('utf-8')应用于从.read()传递的字符串# -*- coding: utf-8 -*-

import codecs

htmlBase = codecs.open("mm03.html",'r')

htmlFill = htmlBase.read().decode('utf-8')

print htmlFill

htmlFill = htmlFill.replace(u"«test»","TEST")

print htmlFill

htmlBase.close()

输出:Traceback (most recent call last):

File "test2.py", line 4, in

htmlFill = htmlBase.read().decode('utf-8')

File "C:\Python27\lib\encodings\utf_8.py", line 16, in decode

return codecs.utf_8_decode(input, errors, True)

UnicodeDecodeError: 'utf8' codec can't decode byte 0xab in position 31: invalid start byte

将.encode('utf-8')应用于从.read()传递的字符串# -*- coding: utf-8 -*-

import codecs

htmlBase = codecs.open("mm03.html",'r')

htmlFill = htmlBase.read().encode('utf-8')

print htmlFill

htmlFill = htmlFill.replace(u"«test»","TEST")

print htmlFill

htmlBase.close()

输出:Traceback (most recent call last):

File "test2.py", line 4, in

htmlFill = htmlBase.read().encode('utf-8')

UnicodeDecodeError: 'ascii' codec can't decode byte 0xab in position 31: ordinal not in range(128)

将.decode('utf-8')应用于从.read()传递的字符串,目标子字符串上没有“u”后缀# -*- coding: utf-8 -*-

import codecs

htmlBase = codecs.open("mm03.html",'r')

htmlFill = htmlBase.read().decode('utf-8')

print htmlFill

htmlFill = htmlFill.replace("«test»","TEST")

print htmlFill

htmlBase.close()

输出:Traceback (most recent call last):

File "test2.py", line 4, in

htmlFill = htmlBase.read().decode('utf-8')

File "C:\Python27\lib\encodings\utf_8.py", line 16, in decode

return codecs.utf_8_decode(input, errors, True)

UnicodeDecodeError: 'utf8' codec can't decode byte 0xab in position 31: invalid start byte

将.encode('utf-8')应用于从.read()传递的字符串,目标子字符串上没有“u”后缀# -*- coding: utf-8 -*-

import codecs

htmlBase = codecs.open("mm03.html",'r')

htmlFill = htmlBase.read().encode('utf-8')

print htmlFill

htmlFill = htmlFill.replace("«test»","TEST")

print htmlFill

htmlBase.close()

输出:Traceback (most recent call last):

File "test2.py", line 4, in

htmlFill = htmlBase.read().encode('utf-8')

UnicodeDecodeError: 'ascii' codec can't decode byte 0xab in position 31: ordinal not in range(128)



推荐阅读
author-avatar
黑马理财投资
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有