Próbuję parsować dowolne dokumenty pobierane z dzikiej sieci i tak, nie mam kontroli nad ich zawartością.Piękna zupa podnosi UnicodeEncodeError "porządkowy nie w zasięgu (128)"
Od Beautiful Soup won't choke if you give it bad markup... Zastanawiam się, dlaczego to daje mi te Hick-upy, kiedy czasami część z doc jest uszkodzony i czy istnieje sposób, aby powrócić do następnego czytelnej części dokumentu, niezależnie od tego błąd.
Linia którym wystąpił błąd jest 3rd jednego:
from BeautifulSoup import BeautifulSoup as doc_parser
reader = open(options.input_file, "rb")
doc = doc_parser(reader)
CLI pełne wyjście jest:
Traceback (most recent call last):
File "./grablinks", line 101, in <module>
sys.exit(main())
File "./grablinks", line 88, in main
links = grab_links(options)
File "./grablinks", line 36, in grab_links
doc = doc_parser(reader)
File "/usr/local/lib/python2.7/dist-packages/BeautifulSoup.py", line 1519, in __init__
BeautifulStoneSoup.__init__(self, *args, **kwargs)
File "/usr/local/lib/python2.7/dist-packages/BeautifulSoup.py", line 1144, in __init__
self._feed(isHTML=isHTML)
File "/usr/local/lib/python2.7/dist-packages/BeautifulSoup.py", line 1186, in _feed
SGMLParser.feed(self, markup)
File "/usr/lib/python2.7/sgmllib.py", line 104, in feed
self.goahead(0)
File "/usr/lib/python2.7/sgmllib.py", line 143, in goahead
k = self.parse_endtag(i)
File "/usr/lib/python2.7/sgmllib.py", line 320, in parse_endtag
self.finish_endtag(tag)
File "/usr/lib/python2.7/sgmllib.py", line 358, in finish_endtag
method = getattr(self, 'end_' + tag)
UnicodeEncodeError: 'ascii' codec can't encode characters in position 15-16: ordinal not in range(128)
jaki rodzaj danych wprowadzasz do BeautifulSoup? Zgodnie z komunikatem o błędzie, być może analizujesz niektóre dane nie-ascii (na przykład zawierające znaki inne niż łacińskie)? –
Parsuję dane pochodzą z dzikiej sieci, a jej części są zdecydowanie nie-ascii. –