[Python] Kater codec za korejske črke?

Dobro jutro.

Evo, fantje in dekline, nov dan in nov izziv je že tu.

Python codecs

Torej, kater codec je potrebno uporabi za pravilno dekodiranje (skoraj sigurno verjetno) korejskih črk za spodnji primer?

Kot je razvidno iz output-a (spodaj slika), sta zadnja dva verjetno najbljiže tistemu, kar bi moralo biti. Čeprav, niti ne vem, kaj bi moralo biti. Mogoče je že source popače (spletni nemarnež pa to).

Source web site: https://www.givenchy.com/int/ko/g-set-s...

Test run python sample:

import requests;
import requests.packages;
import bs4;

requests.packages.urllib3.disable_warnings();

url = "https://www.givenchy.com/int/ko/g-set-sneakers-in-leather-and-suede/BH00ALH1U7-002.html";

response = requests.get(url, allow_redirects=False, verify=False, timeout=20);

encoding_list = [
    "iso2022-kr",
    "cp949",
    "euc-kr",
    "utf-8-sig",
    "ks-x-1001",
    "johab",
    "iso2022_jp",
    "iso2022_jp_1",
    "iso2022_jp_2",
    "iso2022_jp_3",
    "iso2022_jp_ext",
    "euc_jp",
    "euc_jis_2004",
    "euc_jisx0213",
    "shift_jis",
    "shift_jis_2004",
    "shift_jisx0213"
];

for i in range(0, len(encoding_list)):

    use_this_encoding = encoding_list[i];

    response_text = response.content.decode(use_this_encoding, errors="replace");

    soup = bs4.BeautifulSoup(response_text, features="html.parser");

    meta_og_title = soup.find("meta", attrs={"property": "og:title"});

    title = "";

    if meta_og_title is not None and meta_og_title.has_attr("content"):

        title = meta_og_title["content"];

    padding_count = 16 - len(use_this_encoding);

    padding = "";

    for j in range(0, padding_count):

        padding = padding + " ";

    print(str(use_this_encoding) + str(padding) + str(title));

Output:


Pa še muska za na izi (prvi link): Natsumero for the Soul: Nostalgic Melodies from Japan with SANA

dokumentacija: https://docs.python.org/3.13/library/co...

iso2022_kr mogoče?

joj no, se opravičujem, ker sem dokazal svoje nepoznavanje parsanje lokaliziranih dokumentov - parsanje in analiziranje raznih napovedi je dosti bolj enostavno, to sem mislil.

Ok, zadevo bom dal na pavzo, ker... well, mislim, da gre za "spletni nemarnež" situacijo, čeprav po drugi strani pa dvomim v to.

No, naj vsak poizkusi spodnja dva linka:

KO https://www.givenchy.com/int/ko/g-set-s...
JP https://shorturl.at/xbfNY spet ta kurac z "posebnimi" črkami (v tem primeru japonske) zato je ta link potem redirect na tja k je treba...

Gre za isti izdelek, amapk za KO meni prikaže škatlice, za JP pa lepo njihove črke.

In zgoraj sem dal primer Python kode, kjer je seznam vseh codec-ov, kater sem testiral, ter potem spodaj v sliki rezultate za posamezni codec.

meni lepo pokaže, nobenih škatel
G 세트 가죽 및 스웨이드 스니커즈
Gセット スニーカー レザー＆スエード

Zanimivo, hmm, na pamet govorim - mogoče je s tvojimi nastavitvami ali z browserjem, da tega ne interpretira pravilno? Imaš vsiljen encoding? Namenoma entitizirano, da bi prikazalo - bom pa se posvetoval s 'kolegom', če se sam ne boš prej... Mogoče imaš kakšen blesav font ali kaj?