Come convertire BeautifulSoup.ResultSet in stringa

Question

Quindi ho analizzato una pagina html con .findAll (BeautifulSoup) nella variabile denominata result. Se scriv result in Python shell quindi premere Invio, vedo il testo normale come previsto, ma come ho voluto postelaborare questo risultato come oggetto stringa, ho notato che str(result) rendimenti spazzatura, come in questo esempio:

\xd1\x87\xd0\xb8\xd0\xbb\xd0\xbd\xd0\xb8\xd1\x86\xd0\xb0</a><br />\n<hr />\n</div> 

Html l'origine della pagina è utf-8 codificata

Come posso gestirlo?

---

codice è fondamentalmente questo, nel caso in cui è importante:

from BeautifulSoup import BeautifulSoup 
soup = BeautifulSoup(urllib.open(url).read()) 
result = soup.findAll(something) 

Python è 2.7

Answer 1

Python 2.6.7 BeautifulSoup. versione 3.2.0

questo ha funzionato per me:

unicode.join(u'\n',map(unicode,result)) 

Sono abbastanza sicuro che un result è un oggetto BeautifulSoup.ResultSet, che sembra essere un ampliamento della lista standard di Python

Answer 2

Questo non è spazzatura, che è il testo UTF-8-encoded. Use Unicode instead.

Answer 3

Utilizzare questa:

unicodedata.normalize('NFKC', p.decode()).encode('ascii','ignore') 

Unicode ha multiple normalization forms che la produzione non dovrebbe essere spazzatura.
Utilizzare l'attributo originalEncoding per verificare lo schema di codifica. Per quanto riguarda le implementazioni
unicode di Python, si riferiscono this document (anche per la normalizzazione)

Answer 4

from BeautifulSoup import BeautifulSoup 
soup = BeautifulSoup(urllib.open(url).read()) 
#findAll should get multiple parsed result 
result = soup.findAll(something) 
#then iterate result 
for line in result: 
    #get str value from each line,replace charset with utf-8 or other charset you need 
    print line.__str__('charset') 

BTW: La versione di BeautifulSoup è beautifulsoup-3.2.1