python - 如何在python中排除BMP中不存在的字符？

Question

这是一个提供术语并抓取的应用程序 Urban Dictionary并返回页面中的第一个含义。 这是我到目前为止的代码:

import re
import urllib.request

term = input('Enter a word: ')
url = "https://www.urbandictionary.com/define.php?term=" + term

rawData = urllib.request.urlopen(url).read()
decodedData = rawData.decode("utf-8")

x = re.search('div class="meaning"', rawData)
start = x.start()
end = x.end()
result = rawData[start:end]
print(result)

但我收到以下错误

    Traceback (most recent call last):
  File "<pyshell#8>", line 1, in <module>
    print(decodedData)
  File "~\Python\Python35-32\lib\idlelib\PyShell.py", line 1344, in write
    return self.shell.write(s, self.tags)
UnicodeEncodeError: 'UCS-2' codec can't encode characters in position 95889-95889: Non-BMP character not supported in Tk

如何排除无法解码的字符？

Answer 1

好的，要解决您的问题，您只需实际使用解码后的数据即可。目前您正在解码数据，但随后您使用 rawData:

import re
import urllib.request

term = input('Enter a word: ')
url = "https://www.urbandictionary.com/define.php?term=" + term

rawData = urllib.request.urlopen(url).read()
decodedData = rawData.decode("utf-8")

x = re.search('div class="meaning"', decodedData)
start = x.start()
end = x.end()
result = decodedData[start:end]
print(result)

应该可以了。如果这不起作用，请发布一个引发此错误的示例单词。 (顺便说一下，这段代码不会产生你想要的输出)