python中encode中文自定义编码(详解Python解决抓取内容乱码问题decode和encode解码)
python中encode中文自定义编码
详解Python解决抓取内容乱码问题decode和encode解码一、乱码问题描述
经常在爬虫或者一些操作的时候,经常会出现中文乱码等问题,如下
原因是源网页编码和爬取下来后的编码格式不一致
二、利用encode与decode解决乱码问题
字符串在python内部的表示是unicode编码,在做编码转换时,通常需要以unicode作为中间编码,即先将其他编码的字符串解码(decode)成unicode,再从unicode编码(encode)成另一种编码。
decode的作用是将其他编码的字符串转换成unicode编码,如str1.decode(‘gb2312'),表示将gb2312编码的字符串str1转换成unicode编码。
encode的作用是将unicode编码转换成其他编码的字符串,如str2.encode(‘utf-8'),表示将unicode编码的字符串str2转换成utf-8编码。
decode中写的就是想抓取的网页的编码,encode即自己想设置的编码
代码如下
|
#!/usr/bin/env python # -*- coding:utf-8 -*- # author: xulinjie time:2017/10/22 import urllib2 request = urllib2.request(r 'http://nhxy.zjxu.edu.cn/' ) res = urllib2.urlopen(request).read() res = res.decode( 'gb2312' ).encode( 'utf-8' ) / / 解决乱码 wfile = open (r './1.html' ,r 'wb' ) wfile.write(res) wfile.close() print res |
或者
|
#!/usr/bin/env python # -*- coding:utf-8 -*- # author: xulinjie time:2017/10/22 import urllib2 request = urllib2.request(r 'http://nhxy.zjxu.edu.cn/' ) res = urllib2.urlopen(request).read() res = res.decode( 'gb2312' ) res = res.encode( 'utf-8' ) wfile = open (r './1.html' ,r 'wb' ) wfile.write(res) wfile.close() print res |
但是还要注意:
如果一个字符串已经是unicode了,再进行解码则将出错,因此通常要对其编码方式是否为unicode进行判断
isinstance(s, unicode)#用来判断是否为unicode
用非unicode编码形式的str来encode会报错
所以最终可靠代码:
|
#!/usr/bin/env python # -*- coding:utf-8 -*- # author: xulinjie time:2017/10/22 import urllib2 request = urllib2.request(r 'http://nhxy.zjxu.edu.cn/' ) res = urllib2.urlopen(request).read() if isinstance (res, unicode ): res = res.encode( 'utf-8' ) else : res = res.decode( 'gb2312' ).encode( 'utf-8' ) wfile = open (r './1.html' ,r 'wb' ) wfile.write(res) wfile.close() print res |
三、如何找到需要抓取的目标网页的编码格式
1、查看网页源代码
如果源代码中没有charset编码格式显示可以用下面的方法
2、检查元素,查看response headers
以上所述是小编给大家介绍的python解决抓取内容乱码问题(decode和encode解码)详解整合,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对开心学习网网站的支持!
原文链接:https://blog.csdn.net/w_linux/article/details/78370218
- python编写告白程序(python抖音表白程序源代码)
- python协程结果(深入浅析python 协程与go协程的区别)
- python异常信息处理(Python使用修饰器进行异常日志记录操作示例)
- python爬取微博登录数据(Python实现爬取马云的微博功能示例)
- python中比较同一字典value(在Python 字典中一键对应多个值的实例)
- python测试websocket接口(Python如何爬取实时变化的WebSocket数据的方法)
- python创建一个xls文件(Python XlsxWriter模块Chart类用法实例分析)
- python中输入背景颜色的代码(Python 给屏幕打印信息加上颜色的实现方法)
- python中字典的主要特点(Python里字典的基本用法包括嵌套字典)
- pythonflask怎么设置(python flask安装和命令详解)
- python报表可视化(使用Python快速制作可视化报表的方法)
- python字符串匹配教程(Python字符串匹配之6种方法的使用详解)
- python操作mysql连接池(详解Python连接MySQL数据库的多种方式)
- python3下urllib案例(URL Rewrite Module 2.1 URL重写模块规则写法)
- 如何使用github中的python库(使用GitHub和Python实现持续部署的方法)
- python模块光照强度(我如何用 CircuitPython 和开源工具监控温室)
- 《九牛之人降魔传》开机 演员祁高坤化身九牛之人除魔卫道(九牛之人降魔传开机)
- 王铲铲的致富之路无限金币卡法攻略教学(王铲铲的致富之路无限金币卡法攻略教学)
- 文明6金币太少怎么办 文明6无限刷钱教程(文明6金币太少怎么办)
- 开国中将,王牌军63军首任政委,两个连襟一个上将一个少将传为佳话(王牌军63军首任政委)
- 臭名昭著的731部队最高负责人 石井四郎(臭名昭著的731部队最高负责人)
- 王牌部队,你看的剧情我看的时尚(你看的剧情我看的时尚)
热门推荐
排行榜
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9