Python 输出中的俄语符号已损坏（编码）

我解析了一个 HTML 文档，其中包含俄语文本。当我尝试打印它时Python http://en.wikipedia.org/wiki/Python_%28programming_language%29，我明白了：

ÐлÑбниÑнÑй новогодний пÑнÑ

我尝试解码它并得到 ISO-8859-1 编码。我试图像这样解码它：

print drink_name.decode('iso8859-1')

但我收到错误。我如何打印此文本，或将其编码为Unicode http://en.wikipedia.org/wiki/Unicode?

你有一个Mojibake http://en.wikipedia.org/wiki/Mojibake;在本例中，UTF-8 字节解码为 Latin-1 或 CP1251。

您可以通过相反的过程来修复它：

>>> print u'ÐлÑбниÑнÑй новогодний пÑнÑ'.encode('latin1').decode('utf8')
Клубничный новогодний пунш

（我必须从原始帖子源复制字符串以捕获 Mojibake 中的所有不可打印字节）。

更好的方法是没有错误解码首先。您使用错误的编码解码原始文本，请改用 UTF-8 作为编解码器。

如果你用过requests下载页面，请勿使用response.text在这种情况下;如果服务器无法识别特定的编解码器，则 HTTP RFC 默认使用 Latin-1，但 HTML 文档通常将编码嵌入到<meta>标题代替。在这种情况下，将解码留给解析器，例如 BeautifulSoup：

response = requests.get(url)
soup = BeautifulSoup(response.content)  # pass in undecoded bytes