Python2 的 print 对于字符串（ unicode ）类型需要在内部按照 Python 感知到自己应该使用的 IO 编码方式编码，才能输出到缓冲区之类的东西。如果 Python 的感觉不对，那你就该用 PYTHONIOENCODING=UTF-8 这种东西掰对。

@glasslion 一个语言本来打印语句可以直接打印字符串的，结果却要变成字节流打印，难道不是执行环境的 bug 吗？更别说：

* 依赖环境变量？直接假定输出代码页是 UTF-8 岂不是更糟？能编码中文、运行 Python 的终端窗口用的编码又不止 UTF-8 。
* 字节串 print 这件事情基本上是 Python2 没想好 Unicode 字符串和字节串区别的时候留下的黑历史， Py3 去试试 print(b'\x2e') 就知道了。

virtualbox.msi

@domino chcp 65001 *就是* 你在找的通用方法，句号。

@mahone3297 人生苦短，多手动用 u"你好中文"（当然用 __future__ unicode_literals 也是好事。）

Windows 控制台默认使用目前系统编码，对于繁体中文是 Big5/cp950 。 Python 在 print 一个字符串之前，需要编码到目前 cmd 窗口使用的编码，而你遇到了个（ Python 印象中的） Big5 没有的字符。（之所以强调可能是 Python 的错觉，是因为这个语言的官方实现对于编解码的实现经常拘泥“标准”到脱离现实的地步： cp936 直接指到 gbk 结果没有该有的欧元符号、 cp950 没有 HKSCS 支持……）

你可以使用 chcp 65001 切到 utf-8 控制台窗口，当然也可以像楼上建议的一样走路绕开 Windows 控制台。

@jimzhong 搞 apt 中文翻译的是中国人（应该是废话吧？），如果需要提意见（ jì dāo piàn ）的话可以上：
1. Debian bug report
2. Ubuntu bug report
3. i18n-zh Google Group

诸位，首先要解决的问题不是在题主不会在一个处理多文件工程的 IDE 里面创建多个文件吗…？

@dlllcs mkhtmltopdf 有个坑点（不过主要是对于发行版打包者来说的）：迟迟不迁移到 QWebEngine ，内置的老版本 QWebView (WebKit) 还带魔改…

https://github.com/travist/jsencrypt

直接调 openssl 啊……

改写一下 @b1eberg0n ，来个范围攻击的……

a_b = [a.findall('b') for a in soup.findall('a')]
a_b_flat = [result for a in soup.findall('a') for result in a.findall('b')]

@Mithrandir MediaWiki 没有模板功能直接就没有灵魂了差不多…… GitHub 那个 好像是 Ruby 写的 wiki 系统也是支持那么多，也是各种只有层皮。

MDN 那个 Kuma 相比之下没有语法兼容却有类似功能（ KumaScript ）。

（说回来这么强调用模板大概也是在 MediaWiki 下被折腾多了出来的……）

https://stackoverflow.com/questions/16121001 ，直接插空格。
当然想模仿一下 br 处理的话还得再费点事。 strip 那玩意本来就是拿来吃空格的，别指望它……

gbk 我记得是没有谚文字符的，全都得用 18030 的 UTF 去做（ https://r12a.github.io/apps/encodings/）。要不要默认这一点然后用一下 'gb18030' 去 decode/encode ？（结果变成猜 conhost 怎么处理复制粘贴输入，还有解码 cp936 的时候会不会尝试 cp54936 了……）

print b'\xd0\xc2\xbd\xa8\xce\xc4\xbc\xfe\xbc\xd0\x828\xc71\x833\x9a7\x835\xc47' # gb18030 出来的

另外 Python 的 cp936 实现坑很大（没有欧元字符， Py#28343 ），不过在 Windows 上因为会直接调用系统 MultiByteToUnicode 还是建议一试。要兼容不同语言 Windows 的话可以试试 'mbcs' 这个特殊编码名，直接 MultiByteToUnicode 按照当前编码解析。

慢着，怎么全都是 encode 不是 decode 来着……？一般 print 的话直接把 <type 'unicode'> 的浆糊丢出去让 Py 看着办吧。

* * *

@zungmou 开个 65001 当然该解决问题。如果你看到的不是问号字符而是有个框的问号，那就说明是字体问题不是 Python 解码问题了。造个 cmd 快捷方式去注册表折腾折腾换个字体试试吧。

@imn1 py3 不是转 utf-8 ，是转了一个内部可能为 UTF-8/16/32 的 <type 'str'>（也就是 py2 'unicode'）实现。

2 的某些痛点可以 __future__ 和和稀泥（ 2 的后面几个版本在这个意义上还是能用的，毕竟还能写写 b"" 出个 str ），至于 3 那些在工程上可以帮助减少脑抽概率的语法新增（ type annotation ）大概只能靠游说和憋着了。说起“后面几个版本”， Py2.6+ 的 io 那套完全就是 Py3 的用词，恶毒一点的话可以故意多用用把人逼上 Py3 。

或者可以造点 RPC 的轮子在 2 和 3 之间传东西……（雾）

* * *

@gouchaoer py 最傻逼的地方是 3 不兼容 2 的傻逼之处。

@loveminds 字符串、 except ……还有就是关于写了 3 为什么还要不用新特性之类的事情。

@prefere 如果经验指的是记得绕着坑走路的话，正常人都愿意直接用坑少的吧……？

@nullizer 不不不，现在是 Python 8 的时代 /

@crazykuma 欸有 native 部分啊……迁移 C API 好像事情列出来倒是比脚本语言那块少： http://python3porting.com/cextensions.html 。 Python 3.x 这方面有个地方好， 3.2 开始有 stable ABI 了。话说和女孩子交流并没什么可以另外表示困难、奇怪的吧。

@AlexZou 不要把人往坑里送……到时候就是“项目图速度快不用转译，可是总有人要用 ES2018[???] 了”。

少了一步 substring ，把第一个字切掉就是……

@codehz 自由字体放 release 不就好了（ x

东西不错，加个 1 。（要是把输出文件找个 releases 挂着做个懒人包就更棒了(x)）

> 因为 Unicode 中的好多特性都不能实现

叫做 UCS 就好了（小声）

> 还有好多游戏中文显示不了的

嘛，字太多，没必要特地去设计放进去……
语言设定里面有个 Force Unicode Font 的设定会把你全都搞进系统字体（以及你设置的这个字体？），大概也有点信任系统没眼瞎的意思吧。（笑
话说这个字体材质的话有加粗这回事吗？我看别人 Linux 上跑的 Minecraft 截图，遇到加粗字体文泉驿会有描边……

> 想到 ASCII 总共才 256 个字符

不不不和编码完全没关系，真的就是懒的事。你看 minecraft 默认字体显示 naïve 是不是很正常啊。

> 删去 0-9 的, 还算能看

其实没什么好删的，本来也该是这样：
https://en.wikipedia.org/wiki/Power_law

@zhijiansha 换成 python3 立地成佛，或者 python2 去乖乖用 unicode 数据类型。我感觉我说了很多遍了啊。

@Magic347 其实是因为 requests 没有调 encoding 直接取 text ，自动当作 ISO-8859-1 回落解码了：

>>> import requests
>>> resp = requests.get("http://jobs.51job.com/shenzhen-baq/81498324.html?s=0" )
>>> resp.encoding
'ISO-8859-1'

这时候取内容会逐 byte 处理，按照你提到的 U+00 ~ U+FF 和 latin1 一一对应的方式处理得到了一个 *错误的* resp.text 字符串：

<class 'str'>

接下来你直接把这锅浆糊送进 lxml 是在碰运气作死。之所以说碰运气，是因为 GBK 第二范围有 [40, 7F) ∪ [80, FF)， 直接按照字节处理的话前半在 ASCII 内有对应的部分搞不好会和别的东西撞。比如说 CDATA 用 ]]> 结尾，而“昡”这个字又是编码成 b'\x95\x50'，原文出现“昡]>”的时候就会错误认定 CDATA 结束。这是一个安全问题。

要正确解决的话很简单，就是先把 resp.encoding 设置成正确的编码名，这样取 resp.text 才会按照正确的解码方式得到正确的字符串。

@mingyun lxml 只是拿来解析得到的数据而已，和你解码文字的过程并无太大关系。