如何使用特殊字符報廢數據？

Question

我使用Python框架scrapy報廢的數據，這裏是我的蜘蛛代碼：

def parse(self, response): 
    hxs = HtmlXPathSelector(response) 
    sites = hxs.select('//h1') 
    links = hxs.select('//div[@class="pp-title"]') 
    #sites = hxs.select('//div[@id="yt-lockup-content"] ') 

    items = [] 
    for site in links: 
     item = DmozItem() 
     item['title'] = site.select('a/h1/text()').extract() 
     item['link'] = site.select('a/@href').extract() 

     items.append(item) 

    return items 

我收集items.json數據與這種蜘蛛，我跑蜘蛛命令scrapy crawl dmoz -o items.json -t json。數據被存儲在格式

[[{"link": ["http://www.ponudadana.hr/Planinarski-dom-Kalnik-2-dana-s-doruckom-za-dvoje-za-149kn-umjesto-300kn-7482_1"], "title": ["Planinarski dom Kalnik - 2 dana s doru\u010dkom za dvoje za 149kn umjesto 300kn!"]}, 

的問題是，像č,ž,š,đ,ž特殊字符被存儲爲\u010或類似的，例如參見以上doru\u010dkom字，它應該是doručkom。任何人都可以幫助我，我應該使用一些編碼格式？

Answer 1

無論是JSON還是Python unicode字符串文字，\u010d意味着č。即使它在JSON中表現得如此，當它解碼時，它也會以適當的字母č出現。

>>> import json 
>>> obj = json.loads("""{"link": ["http://www.ponudadana.hr/Planinarski-dom-Kalnik-2-dana-s-doruckom-za-dvoje-za-149kn-umjesto-300kn-7482_1"], "title": ["Planinarski dom Kalnik - 2 dana s doru\u010dkom za dvoje za 149kn umjesto 300kn!"]}""") 
>>> obj['title'] 
[u'Planinarski dom Kalnik - 2 dana s doru\u010dkom za dvoje za 149kn umjesto 300kn!'] 
>>> print obj['title'][0] 
Planinarski dom Kalnik - 2 dana s doručkom za dvoje za 149kn umjesto 300kn! 

Python字符串相同。

>>> u"česnakas" 
u'\u010desnakas' 
>>> print u"česnakas" 
česnakas