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 /
SDL3 для Desktop (MinGW): Рисуем цветные прямоугольники с помощью рисовальщика SDL3 на Си и C++ 8Observer8 17.03.2026 Содержание блога Финальные проекты на Си и на C++: finish-rectangles-sdl3-c. zip finish-rectangles-sdl3-cpp. zip	Символические и жёсткие ссылки в Linux. algri14 15.03.2026 Существует два типа ссылок — символические и жёсткие. Ссылка в Linux — это запись в каталоге, которая может указывать либо на inode «файла-ИСТОЧНИКА», тогда это будет «жёсткая ссылка» (hard link),. . .	[Owen Logic] Поддержание уровня воды в резервуаре количеством включённых насосов: моделирование и выбор регулятора ФедосеевПавел 14.03.2026 Поддержание уровня воды в резервуаре количеством включённых насосов: моделирование и выбор регулятора ВВЕДЕНИЕ Выполняя задание на управление насосной группой заполнения резервуара,. . .	делаю науч статью по влиянию грибов на сукцессию anaschu 13.03.2026 прикрепляю статью
SDL3 для Desktop (MinGW): Создаём пустое окно с нуля для 2D-графики на SDL3, Си и C++ 8Observer8 10.03.2026 Содержание блога Финальные проекты на Си и на C++: hello-sdl3-c. zip hello-sdl3-cpp. zip Результат:	Установка CMake и MinGW 13.1 для сборки С и C++ приложений из консоли и из Qt Creator в EXE 8Observer8 10.03.2026 Содержание блога MinGW - это коллекция инструментов для сборки приложений в EXE. CMake - это система сборки приложений. Здесь описаны базовые шаги для старта программирования с помощью CMake и. . .	Как дизайн сайта влияет на конверсию: 7 решений, которые реально повышают заявки Neotwalker 08.03.2026 Многие до сих пор воспринимают дизайн сайта как “красивую оболочку”. На практике всё иначе: дизайн напрямую влияет на то, оставит человек заявку или уйдёт через несколько секунд. Даже если у вас. . .	Модульная разработка через nuget packages DevAlt 07.03.2026 Сложившийся в . Net-среде способ разработки чаще всего предполагает монорепозиторий в котором находятся все исходники. При создании нового решения, мы просто добавляем нужные проекты и имеем. . .

@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