2009-10-06 10 views
5

oto przykładowy kod:Jak naprawić kodowanie w mechanizmie Python?

from mechanize import Browser 

br = Browser() 
page = br.open('http://hunters.tclans.ru/news.php?readmore=2') 
br.form = br.forms().next() 
print br.form 

Problem polega na tym, że powrót serwer błędne kodowanie (Windows cp1251). Jak mogę ręcznie ustawić kodowanie bieżącej strony w mechanize?

Błąd:

Traceback (most recent call last): 
    File "/tmp/stackoverflow.py", line 5, in <module> 
    br.form = br.forms().next() 
    File "/usr/local/lib/python2.6/dist-packages/mechanize/_mechanize.py", line 426, in forms 
    return self._factory.forms() 
    File "/usr/local/lib/python2.6/dist-packages/mechanize/_html.py", line 559, in forms 
    self._forms_factory.forms()) 
    File "/usr/local/lib/python2.6/dist-packages/mechanize/_html.py", line 225, in forms 
    _urlunparse=_rfc3986.urlunsplit, 
    File "/usr/local/lib/python2.6/dist-packages/ClientForm.py", line 967, in ParseResponseEx 
    _urlunparse=_urlunparse, 
    File "/usr/local/lib/python2.6/dist-packages/ClientForm.py", line 1104, in _ParseFileEx 
    fp.feed(data) 
    File "/usr/local/lib/python2.6/dist-packages/ClientForm.py", line 870, in feed 
    sgmllib.SGMLParser.feed(self, data) 
    File "/usr/lib/python2.6/sgmllib.py", line 104, in feed 
    self.goahead(0) 
    File "/usr/lib/python2.6/sgmllib.py", line 193, in goahead 
    self.handle_entityref(name) 
    File "/usr/local/lib/python2.6/dist-packages/ClientForm.py", line 751, in handle_entityref 
    '&%s;' % name, self._entitydefs, self._encoding)) 
    File "/usr/local/lib/python2.6/dist-packages/ClientForm.py", line 238, in unescape 
    return re.sub(r"&#?[A-Za-z0-9]+?;", replace_entities, data) 
    File "/usr/lib/python2.6/re.py", line 151, in sub 
    return _compile(pattern, 0).sub(repl, string, count) 
    File "/usr/local/lib/python2.6/dist-packages/ClientForm.py", line 230, in replace_entities 
    repl = repl.encode(encoding) 
LookupError: unknown encoding: windows-cp1251 

Odpowiedz

2

Naprawiono, ustawiając

br._factory.encoding = enc 
br._factory._forms_factory.encoding = enc 
br._factory._links_factory._encoding = enc 

(nie e podkreślenia) po br.open()

3

nie wiem o Mechanize, ale można włamać codecs akceptować niewłaściwych nazw kodowania, które mają zarówno i 'cp' 'Windows':

>>> def fixcp(name): 
...  if name.lower().startswith('windows-cp'): 
...   try: 
...    return codecs.lookup(name[:8]+name[10:]) 
...   except LookupError: 
...    pass 
...  return None 
... 
>>> codecs.register(fixcp) 
>>> '\xcd\xe0\xef\xee\xec\xe8\xed\xe0\xe5\xec'.decode('windows-cp1251') 
u'Напоминаем' 
+0

Określenie, która wartość oznaczała, nie stanowi problemu. Pytanie brzmi teraz, jak uzyskać dostęp do _AbstractFormParser z jednostki mechanizera. – Fluffy

Powiązane problemy