Как прочитать html файл в Python?

Question

[helixly]

f = open (filename , 'r')
result = f.read()
print(result)

Результат

Traceback (most recent call last):
  File "file.py", line 10, in <module>
   result = f.read()
  File "C:\Python34\lib\encodings\cp1251.py", line 23, in decode
    return codecs.charmap_decode(input,self.errors,decoding_table)[0]
UnicodeDecodeError: 'charmap' codec can't decode byte 0x98 in position 10419: ch
aracter maps to <undefined>

Подскажите как правильно прочитать файл? Уже всю голову сломал.

Answer 1

[Вадим Шандринов]

видно что происходит попытка перекодировать из любимой винодовой cp1251 :) а файл видать в UTF8...
попробуй открыть как 'rb' и конвертировать построчно

f = open (filemane , 'rb')
for line in f:
     print(line.decode('utf8'))

а вообще хорошо бы знать, в какой кодировке файл.

Comments

[helixly]

Файл в кодировке UTF8. С вашим вариантом тоже самое, только теперь charmap' codec can't decode byte \ufeff in position 341

[Вадим Шандринов]

тогда возможно файл скачан/сохранен как-то криво. проведи эксперимент - создай файл в UTF8 и открой его пайтоном. потом уже возись с файлом с интернета.
а вообще для парсинга HTML файлов есть множество утилит... wiki.python.su/%D0%94%D0%BE%D0%BA%D1%83%D0%BC%D0%B... к примеру

[helixly]

Файл был криво сохранен. Вручную создал файл и копипастнул код, все прошло гладко. За совет по-поводу готовых библиотек спасибо, посмотрю!

Answer 2

[Alex_Korj]

я решил проблему путем преобразования файлов в utf-8 -- ANSI

Answer 3

[Артур]

Попробуйте в начале *.py файла добавить:

#!/usr/bin/env python
# -*- coding: utf-8 -*-

Comments

[Garry_Galler]

Это не нужно.