如何对mechanize读取的html文件进行编码,避免出现奇怪的丹麦字符?

如何解决如何对mechanize读取的html文件进行编码,避免出现奇怪的丹麦字符?

我使用 mechanize 下载丹麦语网页。问题是它以某种方式使用了与仅使用 Ctrl + S 下载页面不同的字符编码,我真的需要后者。

我使用此代码下载页面

import codecs
import charade
import mechanize 

br = mechanize.browser()
br.set_handle_robots(False)
br.open("https://example.com")

br.select_form(nr=0)

result = br.submit().read()

print(type(result))
print(charade.detect(result)['encoding'])

f = open("example.html","wb") 
f.write(result) 
f.close() 

这是它的结果:

<class 'bytes'>
ISO-8859-2

然后我在两种情况下都打开文件

f = open('example.html','r')
text = f.read()
f.close()

两种情况下的文本类型:

<class 'str'>

在手动情况下,字符很好,例如:

  • å
  • æ
  • ø

但是在机械化的情况下,丹麦字符看起来像这样:

  • &#229;
  • &#230;
  • &#248;

如何在机械化情况下标准化编码,使字符正常?

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


Selenium Web驱动程序和Java。元素在(x,y)点处不可单击。其他元素将获得点击?
Python-如何使用点“。” 访问字典成员?
Java 字符串是不可变的。到底是什么意思?
Java中的“ final”关键字如何工作?(我仍然可以修改对象。)
“loop:”在Java代码中。这是什么,为什么要编译?
java.lang.ClassNotFoundException:sun.jdbc.odbc.JdbcOdbcDriver发生异常。为什么?
这是用Java进行XML解析的最佳库。
Java的PriorityQueue的内置迭代器不会以任何特定顺序遍历数据结构。为什么?
如何在Java中聆听按键时移动图像。
Java“Program to an interface”。这是什么意思?
Java在半透明框架/面板/组件上重新绘画。
Java“ Class.forName()”和“ Class.forName()。newInstance()”之间有什么区别?
在此环境中不提供编译器。也许是在JRE而不是JDK上运行?
Java用相同的方法在一个类中实现两个接口。哪种接口方法被覆盖?
Java 什么是Runtime.getRuntime()。totalMemory()和freeMemory()?
java.library.path中的java.lang.UnsatisfiedLinkError否*****。dll
JavaFX“位置是必需的。” 即使在同一包装中
Java 导入两个具有相同名称的类。怎么处理?
Java 是否应该在HttpServletResponse.getOutputStream()/。getWriter()上调用.close()?
Java RegEx元字符(。)和普通点?