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
- pythonredis列表(Python redis操作实例分析连接、管道、发布和订阅等)
- python怎么安装queue(python队列Queue的详解)
- python numpy数组拼接(Python快速转换numpy数组中Nan和Inf的方法实例说明)
- python查找含特定字符的字符串(Python实现查找字符串数组最长公共前缀示例)
- python做出来的游戏按什么键运行(python pygame实现方向键控制小球)
- python3.8爬虫需要的包(python爬取基于m3u8协议的ts文件并合并)
- python编程ide工具(这6款Python IDE&代码编辑器,你都用过吗?)
- python中求阶乘的代码(python 阶乘累加和的实例)
- python导出数据到mysql(python定时按日期备份MySQL数据并压缩)
- python 聚类找出同一类别的数据(Python实现简单层次聚类算法以及可视化)
- python 接口测试怎么校验json数据(python接口自动化十七--Json 数据处理---一次爬坑记详解)
- python编程加密解密(python实现AES加密解密)
- 从零开始学activemq(ActiveMQ:使用Python访问ActiveMQ的方法)
- python群聊提示(python-itchat 统计微信群、好友数量,及原始消息数据的实例)
- python如何对参数长度进行限制(python 多个参数不为空校验方法)
- python利用空列表进行数字排序(python实现计数排序与桶排序实例代码)
- 潘长江小品《照亮全家福》台词剧本完整版(潘长江小品照亮全家福台词剧本完整版)
- 一窗通办政务服务小品剧本(一窗通办政务服务小品剧本)
- 刘韬涛丁子贺小品《根治低头族》台词剧本(刘韬涛丁子贺小品根治低头族台词剧本)
- 看完《夺冠》,黄渤的演技我实在夸不起来,彭昱畅反令人惊喜(黄渤的演技我实在夸不起来)
- 黄渤泪目 我的痴呆父亲,我内心永远的痛(黄渤泪目我的痴呆父亲)
- 蒜苔和鱿鱼尾巴一起炒,味道特别棒,又脆又嫩,有滋又有味(蒜苔和鱿鱼尾巴一起炒)
热门推荐
- python中的迭代器详解(Python通过for循环理解迭代器和生成器实例详解)
- 怎么用php开发验证码(PHP简单验证码功能机制实例详解)
- 使用 LINQPad 调试linq以及lambda表达式
- sqlserver电脑休眠时断开连接(浅谈sqlserver下float的不确定性)
- python 从入门到实践笔记(python基础梳理一推荐)
- SQL中的cast()函数
- 宝塔面板如何通过ip访问网站(宝塔面板301重定向使用教程)
- python教程列表排序(Python一行代码实现快速排序的方法)
- 用php实现弹出消息提示框(php弹出提示框的是实例写法)
- php nginx 底层执行流程(nginx/apache/php隐藏http头部版本信息的实现方法)
排行榜
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9