python3 クローリング: htmlデータをファイル保存してもhtmlが表示されないです

前置き

python3でクローリングを勉強しています。
得られたhtmlデータをファイル保存しようとしたところ以下のエラーメッセージが発生しました。

発生している問題・エラーメッセージ

C:¥Users>python requests_header_encoding.py https://yahoo.co.jp/dp > dp.html
encoding: UTF-8
Traceback (most recent call last):
  File"C:¥Users>python requests_header_encoding.py", line 7, in <module>
    print(r.text)
UnicodeEncodeError: 'cp932' codec can't encode character '¥xa9' in position 33597: illegal multibyte sequence

コマンドプロンプトでこのように表示されました。

該当のソースコード

1  import sys
2  import requests
3
4  url = sys.argv[1]
5  r = requests.get(url)
6  print(f'encoding: {r.encoding}', file=sys.stderr)
7  print(r.text)

ソースコード7行目の text を何かに変えれば良いと思ったのですが
htmlを表示させるには、どのような引数にすればよいか分かりませんでした

ご回答宜しくお願い致します。

行動規範の内容に同意します

回答1件

ベストアンサー

Windowsでリダイレクトを使うと、Pythonの標準出力のエンコードの既定値がcp932になります。今回得られるテキスト中に著作権マーク© (U+00A9)が含まれており、cp932では表現できない文字なので、リダイレクトしたときにだけエラーが表示されます。

対策としては、標準出力のエンコードをutf-8に変更してください。

Python
1sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8')

この後でprintしたものをリダイレクトすれば、utf-8でエンコードされたファイルが作成されます。

補足: 書いた後で見つかる同じ内容の質問。
Python - Pythonでエンコードのエラーです。｜teratail

さらに補足: Python 3.7以降で使える-X utf8オプションを使うと、標準出力のエンコードの既定値がutf-8になるので、上記のコードが不要になります。環境変数PYTHONUTF8に1を設定しても、同じ効果が得られます。

Diff
1-C:¥Users>python requests_header_encoding.py https://yahoo.co.jp/dp > dp.html
2+C:¥Users>python -X utf8 requests_header_encoding.py https://yahoo.co.jp/dp > dp.html

投稿2021/02/26 12:08

編集2021/02/26 12:21