@artds

UnicodeEncodeError: 'ascii' codec can't encode character '\u2013' in position 49: ordinal not in range(128)?

#!/home/artddss/python3.4/bin/python3.4
from urllib.request import urlopen # for Python 3
from lxml.etree import XMLSyntaxError
from lxml.html import fromstring
from pandas import DataFrame, ExcelWriter

URL = 'http://www.vsemagazy.ru/'
KATEGORY_PATH = '.menu li '
MAGAZ_PATH = '.tbl-shops tr'
ADRES_PATH = '.tbl-shops'
ADR_PATH = '.post p b'
SUBJ_PATH = '.post p'
def vsemagazy_parse():
    f = urlopen(URL)
    list_html = f.read().decode('utf-8')
    list_doc = fromstring(list_html)

    df = DataFrame(columns=('магазин', 'область', 'субъект', 'график работы', 'телефон', 'адрес'))

    for kategory in list_doc.cssselect(KATEGORY_PATH):
        a = kategory.cssselect('a')[0]
        href = a.get('href')
        name = a.text

        details_html = urlopen(href).read().decode('utf-8')
        try:
            details_doc = fromstring(details_html)
        except XMLSyntaxError:
             continue
        for magaz in details_doc.cssselect(MAGAZ_PATH):
            b = magaz.cssselect('a')[0]
            zref = b.get('href')
            namb = b.text

            drog_html = urlopen(zref).read().decode('utf-8')
            try:
                dret_doc = fromstring(drog_html)
            except XMLSyntaxError:
                continue
            for adres in dret_doc.cssselect(ADRES_PATH):
                c = adres.cssselect('a')[0]
                nref = c.get('href')
                band = c.text

                drt_html = urlopen(nref).read().decode('utf-8')
                try:
                    dry_doc = fromstring(drt_html)
                except XMLSyntaxError:
                    continue

                subjekt = dry_doc.cssselect(SUBJ_PATH)[0].text_content()
                grafik = dry_doc.cssselect(SUBJ_PATH)[1].text_content()
                telephone = dry_doc.cssselect(SUBJ_PATH)[2].text_content()
                adres = dry_doc.cssselect(SUBJ_PATH)[3].text_content()
                haret_elems_list = [('магазин', name), ('область', namb), ('субъект', subjekt), ('график работы',grafik), ('телефон', telephone), ('адрес', adres)]
                print(haret_elems_list) 
                df = df.append(dict(haret_elems_list), ignore_index=True)
    writer = ExcelWriter('magaz.xlsx', engine='xlsxwriter')
    df.to_excel(writer, sheet_name='1', header=True, index=False)
    writer.save()           

def main():
    vsemagazy_parse()

if __name__ == '__main__':
    main()

выходит такая вот ошибка
[('магазин', 'Дикси'), ('область', 'Дикси в Ленинградской области'), ('субъект', 'Субъект РФ: Ленинградская область'), ('график работы', 'Время работы: с 10:00 до 23:00'), ('телефон', 'Телефон горячей линии: 8 (800) 333-02-01'), ('адрес', 'Адрес: Ленинградская область, Шлиссельбург, Шлиссельбург, ул.Луговая, д.4')] Traceback (most recent call last):

File "vsemagazy.py", line 65, in
main()
File "vsemagazy.py", line 62, in main
vsemagazy_parse()
File "vsemagazy.py", line 45, in vsemagazy_parse
drt_html = urlopen(nref).read()
File "/usr/lib/python3.4/urllib/request.py", line 161, in urlopen
return opener.open(url, data, timeout)
File "/usr/lib/python3.4/urllib/request.py", line 463, in open
response = self._open(req, data)
File "/usr/lib/python3.4/urllib/request.py", line 481, in _open
'_open', req)
File "/usr/lib/python3.4/urllib/request.py", line 441, in _call_chain
result = func(*args)
File "/usr/lib/python3.4/urllib/request.py", line 1210, in http_open
return self.do_open(http.client.HTTPConnection, req)
File "/usr/lib/python3.4/urllib/request.py", line 1182, in do_open
h.request(req.get_method(), req.selector, req.data, headers)
File "/usr/lib/python3.4/http/client.py", line 1088, in request
self._send_request(method, url, body, headers)
File "/usr/lib/python3.4/http/client.py", line 1116, in _send_request
self.putrequest(method, url, **skips)
File "/usr/lib/python3.4/http/client.py", line 973, in putrequest
self._output(request.encode('ascii'))
UnicodeEncodeError: 'ascii' codec can't encode character '\u2013' in position 49: ordinal not in range(128)


в чем причина? что не так с кодировкой?
  • Вопрос задан
  • 2376 просмотров
Решения вопроса 1
sim3x
@sim3x
Используй requests вместо urlopen, когда нужно взять контент и работать с ним в питоне
Когда работаешь с lxml, то лучше, чтоб он сам брал страницу, а уже потом ты преобразовывал то что выгреб со страницыв юникод

Или комбинировать в таком виде
res = requests.get(url)
doc = lxml.html.parse(res.content)
Ответ написан
Пригласить эксперта
Ответы на вопрос 1
urtow
@urtow
*nix, python, QA, bagpipe, folk music
UnicodeEncodeError: 'ascii' codec can't encode character '\u2013' in position 49: ordinal not in range(128)


Говорит о том что ты пытаешься перенести в кодировку ascii символ, который есть только в UTF8 - '\u2013' , это символ длинного тире:

python3
Python 3.4.3 (default, Oct 14 2015, 20:28:29) 
...
>>> a1 =  '\u2013'
>>> a1
'–'


Как это исправить - не использовать ascii, либо перед encode заменить все \u2013 на ascii тире
Ответ написан
Ваш ответ на вопрос

Войдите, чтобы написать ответ

Войти через центр авторизации
Похожие вопросы
30 апр. 2024, в 22:44
500 руб./в час
30 апр. 2024, в 21:45
20000 руб./за проект
30 апр. 2024, в 21:36
1500 руб./в час