python - Python中BeautifulSoup的中文字符编码错误？

Question

我想使用BeatifulSoup从网站上获取表中的数据，但它无法正确抓取汉字。 这是我的代码:

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import urllib2
from bs4 import BeautifulSoup
html=urllib2.urlopen("http://www.515fa.com/che_1978.html").read()
soup=BeautifulSoup(html,from_encoding="UTF-8")
print soup.prettify()

汉字显示如下:

<td align="center" bgcolor="#FFFFFF" u1:str="" width="173">
               ćé¸</td>
<td align="center" bgcolor="#FFFFFF" u1:str="" width="149">
               ä¸ćľˇĺ¤§äź</td>
<td align="center" bgcolor="#FFFFFF" u1:str="" width="126">
               大äź</td>

我真的不知道“ä¸ćľˇĺ¤§äź”是什么。我尝试将编码“utf-8”更改为“gb18030”，但没有成功。 怎样才能得到正确的汉字呢？谢谢!

Answer 1

尝试:

html = urllib2.urlopen("http://www.515fa.com/che_1978.html")
content = html.read().decode('utf-8', 'ignore')
soup = BeautifulSoup(content)

不确定 BeautifulSoup(from_encoding=) 到底做了什么，但这确实成功了。