「UTF-8」編解碼器不能在位置0解碼字節0xd0：無效延續字節

Question

我有一個html文件中下面的文字：

<a href="#">�'ам интересна информация</a> 

，我使用下面的表達式提取文本：

row.xpath("string(./td[@class='col2 td-tags']/h3/a/text())") 

這個表達式工作正常進行簡單的英語，但對於上面的字符串，它拋出這個錯誤：

'utf8' codec can't decode byte 0xd0 in position 0: invalid continuation byte 

Answer 1

在HTML中，& #xxx沒有在文檔編碼中指定一個字節;它始終是一個unicode代碼點。

因此，您不能將UTF-8放入HTML中。

Answer 2

該文檔的編碼是什麼？什麼字符開始在<a>文本？這可能是一個無效的UTF-8。

Answer 3

我首先解碼的頁面內容（其中包括字符串<a href="#">�'ам интересна информация</a>）以取代任何不可轉換的字符串問號，它的工作！

即page_contents_string = page_contents_string.decode("utf-8", "replace")