UTF-8 Ошибка с красивым супом и пандами - PullRequest
1 голос
/ 20 марта 2019

Ниже приведен прекрасный скребок для супа Python, который когда-то был успешным в очистке списков команд от MLB.com.Теперь, когда я пытаюсь запустить код, я получаю следующую ошибку:

UnicodeDecodeError: 'utf-8' codec can't decode byte 0x97 in position 0: invalid start byte

После прочтения нескольких потоков Stackoverflow, я думаю, что мне нужно изменить строку «с открытым», но я не понимаю, какизменить мой текущий формат кода без необходимости жертвовать писателем CSV и DF в формате MYSQL.Кто-нибудь знает, как настроить код, чтобы исправить эту проблему utf-8?Заранее спасибо!

import requests
import csv
import pandas as pd
from bs4 import BeautifulSoup
from sqlalchemy import create_engine

team_list={'orioles','yankees','redsox','rays','indians','twins','tigers','whitesox','royals','astros','mariners','athletics',
           'angels','rangers','phillies','braves','nationals','marlins','mets','cubs','brewers','cardinals','pirates','reds',
           'dodgers','dbacks','rockies','giants','padres','bluejays'}

header_added = False

for team in team_list:
    page = requests.get('http://m.{}.mlb.com/roster/'.format(team))
    soup = BeautifulSoup(page.text, 'html.parser')

    soup.find(class_='nav-tabset-container').decompose()
    soup.find(class_='column secondary span-5 right').decompose()

    roster = soup.find(class_='page page-index')
    names = [n.contents[0] for n in roster.find_all('a')]
    ids = [n['href'].split('/')[2] for n in roster.find_all('a')]
    number = [n.contents[0] for n in roster.find_all('td', index='0')]
    handedness = [n.contents[0] for n in roster.find_all('td', index='3')]
    height = [n.contents[0] for n in roster.find_all('td', index='4')]
    weight = [n.contents[0] for n in roster.find_all('td', index='5')]
    DOB = [n.contents[0] for n in roster.find_all('td', index='6')]
    team = [soup.find('meta',property='og:site_name')['content']] * len(names)

    with open('MLB_Active_Roster.csv', 'a', newline='') as fp:
        f = csv.writer(fp)
        if not header_added:
            f.writerow(['Name', 'ID', 'Number', 'Hand', 'Height', 'Weight', 'DOB', 'Team'])
            header_added=True
        f.writerows(zip(names, ids, number, handedness, height, weight, DOB, team))

    df = pd.read_csv('MLB_Active_Roster.csv')

    engine = create_engine("mysql+pymysql://{user}:{pw}@localhost/{db}"
                           .format(user="user",
                                   pw="password",
                                   db="mlb"))
    conn = engine.connect()
    df.to_sql(con=engine, name='mlbactiveroster', if_exists='replace')

1 Ответ

2 голосов
/ 20 марта 2019

Изменить эту строку

df = pd.read_csv('MLB_Active_Roster.csv')

до

df = pd.read_csv('MLB_Active_Roster.csv', encoding='ISO-8859-1')

для работы с файлами в разных форматах.

Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.
...