Чтение файла html

@оаыф · Регистрация: 01.12.2017

Студворк — интернет-сервис помощи студентам

Здравствуйте, пытаюсь прочитать скачанный файл html, чтобы спарсить сообщения из сайта.

Python
1
2
3
4
import bs4
 
with open('test.html') as inf:
    soup = bs4.BeautifulSoup(inf.read())

Пробовал разными способами, с помощью codecs и urllib, получаю одну и ту же ошибку.

Python
1
UnicodeDecodeError: 'charmap' codec can't decode byte 0x98 in position 220000: character maps to <undefined>

Подскажите, пожалуйста, грамотное решение проблемы.

@Garry Galler · 30.07.2020, 23:53

Функция open('test.html') имеет параметр encoding.
Подумай как он может тебе пригодиться и вспомни, что на винде кодировка по умолчанию это windows-1251, которая в твоем случае не совпадает с кодировкой файла html.

Добавлено через 1 минуту
P.S. И вообще, крайне печально видеть код, который не думает о кодировке.

@оаыф · 31.07.2020, 12:27 **[ТС]**

Garry Galler, пробовал писать и с этим параметром

Python
1
with open('test.html', encoding='utf-8') as inf:

Такая же ошибка.
Точно также как и с

Python
1
with open('test.html', encoding='cp1251') as inf:

@Garry Galler · 31.07.2020, 14:08

Сообщение от оаыф

пробовал писать и с этим параметром

Не надо писать наугад.
Просто возьми и определи кодировку html файла. Это же элементарно.

Новые блоги и статьи Все статьи Все блоги /
Советы по крайней бережливости. Внимание, это ОЧЕНЬ длинный пост. Programma_Boinc 28.12.2025 Советы по крайней бережливости. Внимание, это ОЧЕНЬ длинный пост. Налог на собак: https:/ / ********/ gallery/ V06K53e Финансовый отчет в Excel: https:/ / ********/ gallery/ bKBkQFf Пост отсюда. . .	Кто-нибудь знает, где можно бесплатно получить настольный компьютер или ноутбук? США. Programma_Boinc 26.12.2025 Нашел на реддите интересную статью под названием Anyone know where to get a free Desktop or Laptop? Ниже её машинный перевод. После долгих разбирательств я наконец-то вернула себе. . .	Thinkpad X220 Tablet — это лучший бюджетный ноутбук для учёбы, точка. Programma_Boinc 23.12.2025 Рецензия / Мнение/ Перевод Нашел на реддите интересную статью под названием The Thinkpad X220 Tablet is the best budget school laptop period . Ниже её машинный перевод. Thinkpad X220 Tablet —. . .	PhpStorm 2025.3: WSL Terminal всегда стартует в ~ and_y87 14.12.2025 PhpStorm 2025. 3: WSL Terminal всегда стартует в ~ (home), игнорируя директорию проекта Симптом: После обновления до PhpStorm 2025. 3 встроенный терминал WSL открывается в домашней директории. . .	Как объединить две одинаковые БД Access с разными данными VikBal 11.12.2025 Помогите пожалуйста !! Как объединить 2 одинаковые БД Access с разными данными.
Новый ноутбук volvo 07.12.2025 Всем привет. По скидке в "черную пятницу" взял себе новый ноутбук Lenovo ThinkBook 16 G7 на Амазоне: Ryzen 5 7533HS 64 Gb DDR5 1Tb NVMe 16" Full HD Display Win11 Pro	Музыка, написанная Искусственным Интеллектом volvo 04.12.2025 Всем привет. Некоторое время назад меня заинтересовало, что уже умеет ИИ в плане написания музыки для песен, и, собственно, исполнения этих самых песен. Стихов у нас много, уже вышли 4 книги, еще 3. . .	От async/await к виртуальным потокам в Python IndentationError 23.11.2025 Армин Ронахер поставил под сомнение async/ await. Создатель Flask заявляет: цветные функции - провал, виртуальные потоки - решение. Не threading-динозавры, а новое поколение лёгких потоков. Откат?. . .	Поиск "дружественных имён" СОМ портов Argus19 22.11.2025 Поиск "дружественных имён" СОМ портов На странице: https:/ / norseev. ru/ 2018/ 01/ 04/ comportlist_windows/ нашёл схожую тему. Там приведён код на С++, который показывает только имена СОМ портов, типа,. . .	Сколько Государство потратило денег на меня, обеспечивая инсулином. Programma_Boinc 20.11.2025 Сколько Государство потратило денег на меня, обеспечивая инсулином. Вот решила сделать интересный приблизительный подсчет, сколько государство потратило на меня денег на покупку инсулинов. . . .

@Garry Galler 5438 / 3859 / 1215 Регистрация: 28.10.2013 Сообщений: 9,552 Записей в блоге: 1
	30.07.2020, 23:53
	Функция open('test.html') имеет параметр encoding. Подумай как он может тебе пригодиться и вспомни, что на винде кодировка по умолчанию это windows-1251, которая в твоем случае не совпадает с кодировкой файла html. Добавлено через 1 минуту P.S. И вообще, крайне печально видеть код, который не думает о кодировке. 0