提问人：Deniz Dogan 提问时间：5/1/2009 更新时间：5/14/2009 访问量：1328
Django 和 lxml 中的解码问题
Decoding problems in Django and lxml
问：
在使用我的 Django 应用程序的已部署版本时，我对 lxml 有一个奇怪的问题。我使用 lxml 解析我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良好，但由于某种原因，它让我在服务器上。UnicodeDecodeError
('utf8', "\x85why hello there!", 0, 1, 'unexpected code byte')
我已经确保Apache（带有mod_python）与.LANG='en_US.UTF-8'
我尝试在谷歌上搜索这个问题，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，你可能会认为我的字符串被调用了。hello
答：
-2赞
ismail
5/1/2009
#1
由于修改 site.py 不是一个理想的解决方案，因此在程序开始时尝试以下操作：
import sys
reload(sys)
sys.setdefaultencoding("utf-8")
评论
0赞
Deniz Dogan
5/1/2009
有趣！你不知道我的程序在 Django 中的开始是什么？
0赞
ismail
5/1/2009
在调用任何与 lxml 相关的代码之前调用此代码应该可以解决此问题。
0赞
David Berger
5/1/2009
为什么导入后立即调用 reload？它应该在sys.setdefaultencoding之后调用吗？
0赞
Jeremy Dunck
5/12/2009
需要 reload（sys） 的原因是 python 的站点模块专门删除了它。这是因为使用 setdefaultencoding 的客户端代码就像一只拿着枪的猴子。请阅读 joelonsoftware.com/articles/Unicode.html 和 groups.google.com/group/comp.lang.python/browse_thread/thread/...只是不要这样做。
3赞
Jochen Ritzel
5/3/2009
#2
“\x85why hello there！” 不是 UTF-8 编码的字符串。在将网页传递给 lxml 之前，您应该尝试解码该网页。通过查看 http 标头来检查它使用的编码，当您获取页面时，也许您在那里发现了问题。
评论
0赞
landyman
5/12/2009
同意。试试“\x85why hello there！”。解码（“UTF-8”）。这会将非 unicode 代码 （\x85） 更改为 unicode 代码。您可能还需要在 .py 文件的顶部添加：“# -- 编码：utf-8 --”（不带引号）。
0赞
Jeremy Dunck
5/12/2009
我同意这可能是由于您返回的字节字符串实际上不是 utf-8 引起的。一般来说，如果你声称要创建一个 UTF-8 字符串，你应该在内部使用 unicode 类型，并且在将位放在网络上之前，编码为 utf-8。如果你把字节串放在一起，你几乎肯定会在某个地方搞砸，然后在很久以后的某个地方发现它。FWIW， “\x85” == “#”。
0赞
Alex
5/14/2009
#3
语法没有帮助吗？u"\x85why hello there!"
您可能会发现官方 Python 文档中的以下资源很有帮助：
评论