Django 和 lxml 中的解码问题

Question

使用 Django 应用程序的部署版本时，我遇到了 lxml 的奇怪问题。我使用 lxml 解析从服务器获取的另一个 HTML 页面。这在我自己的计算机上的开发服务器上运行得很好，但由于某种原因它给了我 UnicodeDecodeError 在服务器上。

('utf8', "\x85why hello there!", 0, 1, 'unexpected code byte')

我已经确保 Apache（带有 mod_python）运行 LANG='en_US.UTF-8'.

我尝试过谷歌搜索这个问题，并尝试了不同的方法来正确解码字符串，但我无法弄清楚。

在你的回答中，你可能会假设我的字符串被称为 hello 或者其他的东西。

Answer 1

＆quot; \ x85why你好！“不是utf-8编码的字符串。您应该先尝试解码网页，然后再将其传递给lxml。通过在获取页面时查看http标头来检查它使用的编码，也许你会发现问题。

Answer 2

语法不是这样的 u"\x85why hello there!" 帮助？

您可能会发现官方 Python 文档中的以下资源很有帮助：

• Python 简介，Unicode 字符串
• 序列类型 — str、unicode、list、tuple、buffer、xrange

Answer 3

由于修改site.py不是理想的解决方案，请在程序开始时尝试：

import sys
reload(sys)
sys.setdefaultencoding("utf-8")