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
  • PyCharm下载与安装指南
    本文详细介绍如何从官方渠道下载并安装PyCharm集成开发环境(IDE),涵盖Windows、macOS和Linux系统,同时提供详细的安装步骤及配置建议。 ... [详细]
  • 深入理解Tornado模板系统
    本文详细介绍了Tornado框架中模板系统的使用方法。Tornado自带的轻量级、高效且灵活的模板语言位于tornado.template模块,支持嵌入Python代码片段,帮助开发者快速构建动态网页。 ... [详细]
  • 1.如何在运行状态查看源代码?查看函数的源代码,我们通常会使用IDE来完成。比如在PyCharm中,你可以Ctrl+鼠标点击进入函数的源代码。那如果没有IDE呢?当我们想使用一个函 ... [详细]
  • Python自动化处理:从Word文档提取内容并生成带水印的PDF
    本文介绍如何利用Python实现从特定网站下载Word文档,去除水印并添加自定义水印,最终将文档转换为PDF格式。该方法适用于批量处理和自动化需求。 ... [详细]
  • 使用Python在SAE上开发新浪微博应用的初步探索
    最近重新审视了新浪云平台(SAE)提供的服务,发现其已支持Python开发。本文将详细介绍如何利用Django框架构建一个简单的新浪微博应用,并分享开发过程中的关键步骤。 ... [详细]
  • 本文详细介绍了Python中文件的基本操作,包括打开、读取、写入和关闭文件的方法,并通过实例展示了如何将Excel文件转换为CSV文件以及进一步转换为HTML文件。此外,还涉及了成绩等级替换的具体实现。 ... [详细]
  • 使用Pandas高效读取SQL脚本中的数据
    本文详细介绍了如何利用Pandas直接读取和解析SQL脚本,提供了一种高效的数据处理方法。该方法适用于各种数据库导出的SQL脚本,并且能够显著提升数据导入的速度和效率。 ... [详细]
  • 本文详细介绍如何使用Python进行配置文件的读写操作,涵盖常见的配置文件格式(如INI、JSON、TOML和YAML),并提供具体的代码示例。 ... [详细]
  • 技术分享:从动态网站提取站点密钥的解决方案
    本文探讨了如何从动态网站中提取站点密钥,特别是针对验证码(reCAPTCHA)的处理方法。通过结合Selenium和requests库,提供了详细的代码示例和优化建议。 ... [详细]
  • 本文介绍了Java并发库中的阻塞队列(BlockingQueue)及其典型应用场景。通过具体实例,展示了如何利用LinkedBlockingQueue实现线程间高效、安全的数据传递,并结合线程池和原子类优化性能。 ... [详细]
  • 本文详细解析了Python中的os和sys模块,介绍了它们的功能、常用方法及其在实际编程中的应用。 ... [详细]
  • 本文探讨了如何在给定整数N的情况下,找到两个不同的整数a和b,使得它们的和最大,并且满足特定的数学条件。 ... [详细]
  • 根据最新发布的《互联网人才趋势报告》,尽管大量IT从业者已转向Python开发,但随着人工智能和大数据领域的迅猛发展,仍存在巨大的人才缺口。本文将详细介绍如何使用Python编写一个简单的爬虫程序,并提供完整的代码示例。 ... [详细]
  • 本文介绍如何使用Python进行文本处理,包括分词和生成词云图。通过整合多个文本文件、去除停用词并生成词云图,展示文本数据的可视化分析方法。 ... [详细]
  • 掌握远程执行Linux脚本和命令的技巧
    本文将详细介绍如何利用Python的Paramiko库实现远程执行Linux脚本和命令,帮助读者快速掌握这一实用技能。通过具体的示例和详尽的解释,让初学者也能轻松上手。 ... [详细]
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