JAVA快速解析unicode字符串_如何使用BeautifulSoup正确地将UTF-8编码的HTML解析为Unicode字符串？...

我正在运行一个Python程序，它获取一个UTF-8编码的网页，我使用BeautifulSoup从HTML中提取一些文本 .

但是，当我将此文本写入文件(或在控制台上打印)时，它将以意外编码形式写入 .

示例程序：

import urllib2

from BeautifulSoup import BeautifulSoup

# Fetch URL

url = 'http://www.voxnow.de/'

request = urllib2.Request(url)

request.add_header('Accept-Encoding', 'utf-8')

# Response has UTF-8 charset header,

# and HTML body which is UTF-8 encoded

response = urllib2.urlopen(request)

# Parse with BeautifulSoup

soup = BeautifulSoup(response)

# Print title attribute of a

which uses umlauts (e.g. können)

print repr(soup.find('div', id='navbutton_account')['title'])

运行它会得到结果：

# u'Hier k\u0102\u015bnnen Sie sich kostenlos registrieren und / oder einloggen!'

但我希望Python Unicode字符串在单词 können 中呈现 ö 为\xf6：

# u'Hier k\xf6bnnen Sie sich kostenlos registrieren und / oder einloggen!'

我've tried passing the ' fromEncoding'参数到BeautifulSoup，并尝试 read() 和 decode() response 对象，但它没有任何区别，或抛出错误 .

使用命令 curl www.voxnow.de | hexdump -C ，我可以看到网页确实是 ö 字符的UTF-8编码(即它包含 0xc3 0xb6 )：

20 74 69 74 6c 65 3d 22 48 69 65 72 20 6b c3 b6 | title="Hier k..|

6e 6e 65 6e 20 53 69 65 20 73 69 63 68 20 6b 6f |nnen Sie sich ko|

73 74 65 6e 6c 6f 73 20 72 65 67 69 73 74 72 69 |stenlos registri|

我超出了我的Python能力限制，所以我对如何进一步调试这一点感到茫然 . 任何建议？