>我正在从瑞典语网页中提取信息。此页面使用如下字符：öäå。
我的问题是，当我打印信息时，öäå 消失了。
我正在使用美丽的汤提取信息。我认为问题是我在提取的字符串上做了一堆正则表达式，例如 location = re.sub(r'([^w])+', '', location)删除除字母以外的所有内容。在此之前，我猜 Beautiful Soup 对字符串进行了编码，以便 öäå 变成类似于/x02/，一个十六进制值。
因此，如果我是对的，那么正则表达式正在删除 öäå，对，我的意思是十六进制字符唯一应该留下的是正则表达式之后的 x，但我的页面上没有 x 而不是 öäå，所以这个小理论可能不正确？无论如何，如果是对还是错，你如何解决这个问题？当我稍后将提取的信息打印到我的网页时，我在谷歌应用程序引擎中使用self.response.out.write（）（不知道这是否有助于解决问题）
编辑：瑞典网站上的编码是utf-8，我网站上的编码也是utf-8。编辑2：您可以使用ISO-8859-10用于瑞典语，但根据谷歌浏览器，此特定站点的编码为Unicode（utf-8）
始终使用 unicode 工作，并且仅在必要时转换为编码表示形式。
对于此特定情况，您还需要使用 re.U 标志，以便w匹配 unicode 字母：
#coding: utf-8
import re
location = "öäå".decode('utf-8')
location = re.sub(r'([^w])+', '', location, flags=re.U)
print location # prints öäå
如果您可以在每个步骤之前和之后转储字符串，这将有所帮助。
首先检查您的re.UNICODE值，请参阅此