建站
咨詢
售后
建站咨詢
新聞中心
大家好，我是Python進(jìn)階者。前幾天給大家分享了一些亂碼問題的文章，感興趣的小伙伴可以前往：UnicodeEncodeError: 'gbk' codec can't encode character解決方法，這里再次給大家祭出網(wǎng)絡(luò)爬蟲過程中三種中文亂碼的處理方案，希望對(duì)大家的學(xué)習(xí)有所幫助。
廣陵ssl適用于網(wǎng)站、小程序/APP、API接口等需要進(jìn)行數(shù)據(jù)傳輸應(yīng)用場(chǎng)景，ssl證書未來市場(chǎng)廣闊！成為創(chuàng)新互聯(lián)公司的ssl證書銷售渠道，可以享受市場(chǎng)價(jià)格4-6折優(yōu)惠！如果有意向歡迎電話聯(lián)系或者加微信：18980820575（備注：SSL證書合作）期待與您的合作！
前言
前幾天有個(gè)粉絲在Python交流群里問了一道關(guān)于使用Python網(wǎng)絡(luò)爬蟲過程中中文亂碼的問題，如下圖所示。
看上去確實(shí)頭大，對(duì)于爬蟲初學(xué)者來說，這個(gè)亂碼擺在自己面前，猶如攔路虎一般難頂。不過別慌，小編在這里給大家整理了三種方法，專門用于針對(duì)中文亂碼的，希望大家在后面再次遇到中文亂碼的問題，在此處可以得到靈感!
一、思路
其實(shí)解決問題的關(guān)鍵點(diǎn)就是在于一點(diǎn)，就是將亂碼的部分進(jìn)行處理，而處理的方案主要可以從兩個(gè)方面進(jìn)行出發(fā)。其一是針對(duì)整體網(wǎng)頁進(jìn)行提前編碼，其二是針對(duì)局部具體中文亂碼的部分進(jìn)行編碼處理。這里例舉3種方法，肯定還有其他的方法的，也歡迎大家在評(píng)論區(qū)諫言。
二、分析
其實(shí)關(guān)于中文亂碼的表現(xiàn)形式有很多，但是常見的兩種如下：
1、當(dāng)出現(xiàn)網(wǎng)頁編碼為gbk，獲取到的內(nèi)容在控制臺(tái)打印類似如下情況的時(shí)候：
- ?à?? μ???×à ?ü?ì ?ú·? ?é°? D?????4k±ú??
2、當(dāng)出現(xiàn)網(wǎng)頁編碼為gbk，獲取到的內(nèi)容在控制臺(tái)打印類似如下情況的時(shí)候：
- ????? ??? ? С? Ψ??
雖然看上去控制臺(tái)輸出正常，沒有報(bào)錯(cuò)：
- Process finished with exit code 0
但是輸出的中文內(nèi)容，卻不是普通人能看得懂的。
這種情況下的話，就可以通過使用本文給出的三種方法進(jìn)行解決，屢試不爽!
三、具體實(shí)現(xiàn)
1)方法一：將requests.get().text改為requests.get().content 我們可以看到通過text()方法獲取到的源碼，之后進(jìn)行打印輸出的話，確實(shí)是會(huì)存在亂碼的，如下圖所示。
此時(shí)可以考慮將請(qǐng)求變?yōu)?content，得到的內(nèi)容就是正常的了。
2)方法二：手動(dòng)指定網(wǎng)頁編碼
- # 手動(dòng)設(shè)定響應(yīng)數(shù)據(jù)的編碼格式
- response.encoding = response.apparent_encoding
這個(gè)方法稍微復(fù)雜一些，但是比較好理解，對(duì)于初學(xué)者來說，還是比較好接受的。
如果覺得上面的方法很難記住，或者你可以嘗試直接指定gbk編碼也可以進(jìn)行處理，如下圖所示：
上面介紹的兩種方法都是針對(duì)網(wǎng)頁進(jìn)行整體編碼，效果顯著，接下來的第三種方法就是針對(duì)中文局部亂碼部分使用通用編碼方法進(jìn)行處理。
3)方法三：使用通用的編碼方法
- img_name.encode('iso-8859-1').decode('gbk')
使用通用的編碼方法，對(duì)中文出現(xiàn)亂碼的地方進(jìn)行編碼設(shè)定即可。還是當(dāng)前的這個(gè)例子，針對(duì)img_name進(jìn)行編碼設(shè)定，指定編碼并進(jìn)行解碼，如下圖所示。
如此一來，中文亂碼的問題就迎刃而解了。
四、總結(jié)
我是Python進(jìn)階者。本文基于粉絲提問，針對(duì)Python網(wǎng)絡(luò)爬蟲過程中的中文亂碼問題，給出了3種亂碼解決方法，順利幫助粉絲解決了問題。
新聞名稱：盤點(diǎn)三種Python網(wǎng)絡(luò)爬蟲過程中的中文亂碼的處理方法
當(dāng)前URL：http://m.5511xx.com/article/djdjcid.html
