真实的国产乱ⅩXXX66竹夫人,五月香六月婷婷激情综合,亚洲日本VA一区二区三区,亚洲精品一区二区三区麻豆

成都創(chuàng)新互聯(lián)網(wǎng)站制作重慶分公司

python抓取網(wǎng)頁亂碼的解決方法-創(chuàng)新互聯(lián)

創(chuàng)新互聯(lián)www.cdcxhl.cn八線動態(tài)BGP香港云服務器提供商,新人活動買多久送多久,劃算不套路!

成都創(chuàng)新互聯(lián)公司主營羅莊網(wǎng)站建設(shè)的網(wǎng)絡公司,主營網(wǎng)站建設(shè)方案,App定制開發(fā),羅莊h5微信平臺小程序開發(fā)搭建,羅莊網(wǎng)站營銷推廣歡迎羅莊等地區(qū)企業(yè)咨詢

這篇文章將為大家詳細講解有關(guān)python抓取網(wǎng)頁亂碼的解決方法,小編覺得挺實用的,因此分享給大家做個參考,希望大家閱讀完這篇文章后可以有所收獲。

在使用python爬取網(wǎng)頁時,經(jīng)常會遇到亂碼問題,一旦遇到亂碼問題,就很難得到有用的信息。本人遇到亂碼問題,一般有以下幾個方式:

1、查看網(wǎng)頁源碼中的head標簽,找到編碼方式,例如:

在上圖中,可以看到charset='utf-8',說明這個網(wǎng)頁很大可能是采用‘UTF-8’編碼(是很大可能,但不是百分之百),因此可以試試這個編碼方式:

result = response.content.decode('utf-8')

這種方式得到的內(nèi)容基本上就不會亂碼。

2、如果上述的方式?jīng)]有任何作用,頁面依然亂碼;或者在head標簽下并沒有找到charset屬性;或者我們要采集很多網(wǎng)頁的信息,而且這些網(wǎng)頁的編碼方式不盡相同,我們不可能做到一個一個網(wǎng)頁的去查看head標簽,那么可以采用下面的方式解決亂碼。

(1)python的chardet庫

可以使用下面的方式解決亂碼問題

result = chardet.detect(response.content)
print(result)
data = response.content.decode(chardet.detect(response.content)['encoding'])
{'confidence': 0.99, 'language': '', 'encoding': 'utf-8'}

從輸出結(jié)果可以看出這是“猜測”編碼,猜測的方式是先收集各種編碼的特征字符,根據(jù)特征字符判斷,就能有很大概率“猜對”。

這種方法的效率很低,如果采集的網(wǎng)頁很大,可以只猜測其中一段的源碼,即

result = chardet.detect(response.content[:1000])

(2)response的編碼

也可以使用另一種方法,即response自有的encoding,apparent_encoding這兩個變量。

response.encoding一般是從response.headers中content-type字段中的charset的值,其它情況我也不是很了解。

response.apparent_encoding 一般是采用上述的python的chardet庫這種方法。

因此可以用下面的方式解決亂碼問題

data = response.content.decode(response.apparent_encoding)

3、一般情況下,上述兩個方法可以解決亂碼問題。但是如果上述兩個方式不能解決,那有可能是網(wǎng)頁的壓縮導致的。這種問題用下面的方法解決。

檢查一下你寫的頭信息是不是包含了Accept-Encoding這個字段,如果有,請刪除這個字段,亂碼問題就會得到解決。

headers = {
    'Accept-Encoding': 'gzip, deflate, sdch',
    'Accept-Language': 'zh-CN,zh;q=0.8',
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) 
    Chrome/49.0.2623.221 
    Safari/537.36 SE 2.X MetaSr 1.0',
    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
    'Connection': 'keep-alive',
}

關(guān)于python抓取網(wǎng)頁亂碼的解決方法就分享到這里了,希望以上內(nèi)容可以對大家有一定的幫助,可以學到更多知識。如果覺得文章不錯,可以把它分享出去讓更多的人看到。


網(wǎng)站欄目:python抓取網(wǎng)頁亂碼的解決方法-創(chuàng)新互聯(lián)
當前網(wǎng)址:http://weahome.cn/article/hoeee.html

其他資訊

在線咨詢

微信咨詢

電話咨詢

028-86922220(工作日)

18980820575(7×24)

提交需求

返回頂部