从 Python 中的 Unicode Web Scrape 输出 ascii 文件

我是 Python 编程新手。我在 Python 文件中使用以下代码：

import gethtml
import articletext
url = "http://www.thehindu.com/news/national/india-calls-for-resultoriented-steps-at-asem/article5339414.ece"
result = articletext.getArticle(url)
text_file = open("Output.txt", "w")

text_file.write(result)

text_file.close()

文件articletext.py包含以下代码：

from bs4 import BeautifulSoup
import gethtml
def getArticleText(webtext):
    articletext = ""
    soup = BeautifulSoup(webtext)
    for tag in soup.findAll('p'):
        articletext += tag.contents[0]
    return articletext

def getArticle(url):
    htmltext = gethtml.getHtmlText(url)
    return getArticleText(htmltext)

但我收到以下错误：

UnicodeEncodeError: 'ascii' codec can't encode character u'\u201c' in position 473: ordinal not in range(128)
To print the result into the output file, what proper code should I write ?

The output `result` is text in the form of a paragraph.

为了解决 unicode 错误，我们需要将文本编码为 un​​icode（准确地说是 UTF-8）而不是 ascii。为了确保在出现编码错误时不会抛出错误，我们将忽略没有映射的任何字符。 （您还可以使用“替换”或 str.encode 提供的其他选项。请参阅此处有关 Unicode 的 Python 文档。 http://docs.python.org/2/howto/unicode.html#the-unicode-type)

打开文件的最佳实践是使用 Python 上下文管理器，即使出现错误，它也会关闭文件。我在路径中使用斜杠而不是反斜杠，以确保它可以在 Windows 或 Unix/Linux 中工作。

text = text.encode('UTF-8', 'ignore')
with open('/temp/Out.txt', 'w') as file:
    file.write(text)

这相当于

text = text.encode('UTF-8', 'ignore')
try:
    file = open('/temp/Out.txt', 'w')
    file.write(text)
finally:
    file.close()

但上下文管理器的冗长程度要低得多，并且不太可能导致您在错误期间锁定文件。