Python响应对象text属性乱码解决方案
作者:何梦吉他 时间:2023-07-31 13:06:41
在获得网页响应对象res后,使用res.text属性可以获得网页源代码,但可能出现乱码!因为requests库会使用自动猜测的解码方式将抓取的网页源码进行解码,然后存储到res对象的text属性中;
但有的网站的编码格式和requests库默认的解码格式()不一样(比如gbk gb2312是gbk的子集),这时候就要自己手动进行解码,先获得content属性,返回的是bytes类型的字符串,再进行解码decode(“网页的编码
格式”)
这时候可能出现新的问题
'gbk' codec can't decode byte 0xd0 in position 15264: illegal multibyte sequence
这是因为遇到了非法字符
比如网页中有这种字符
全角空格往往有多种不同的实现方式,比如\xa3\xa0,或者\xa4\x57,这些 字符,看起来都是全角空格,但它们并不是“合法”的全角空格(真正的全角空格是\xa1\xa1),因此在转码的过程中出现了异常。
只要字符串中出现了一个非法字符,整篇文章就都无法转码。
对于这种字符,根本不需要,不重要!
解决方法:在解码时候指定errors参数,
decode()的函数原型是decode([encoding], [errors='strict']),可以用第二个参数控制错误处理的策略,默认的参数是strict,代表遇到非法字符时抛出异常;
如果设置为ignore,则会忽略非法字符;
如果设置为replace,则会用?取代非法字符;
如果设置为xmlcharrefreplace,则使用XML的字符引用
#requests库默认会使用自己猜测的解码方式将抓取下来的网页进行解码,然后存储到text属性上去;
#但在该网站中,编码方式和默认的解码方式不一样,就会产生乱码,所以要手动进行解码,先获得content再decode()解码
#右键查看网页源代码,发现是gb2312编码,gb2312就是gbk的子集,所以用decode("gbk")
来源:https://www.cnblogs.com/hemengjita/p/12496110.html
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
vue和react等项目中更简单的实现展开收起更多等效果示例
![](https://img.aspxhome.com/file/2023/1/123001_0s.png)
django 使用内置messages的操作
Python编码时应该注意的几个情况
Python可视化程序调用流程解析
![](https://img.aspxhome.com/file/2023/5/133235_0s.jpg)
Python API len函数操作过程解析
php 的反射详解及示例代码
.Net Core导入千万级数据至Mysql的步骤
![](https://img.aspxhome.com/file/2023/0/65300_0s.png)
一文教会你在sqlserver中创建表
![](https://img.aspxhome.com/file/2023/4/91174_0s.png)
python面试题之列表声明实例分析
![](https://img.aspxhome.com/file/2023/5/84075_0s.png)
OpenCV学习方框滤波实现图像处理代码示例
![](https://img.aspxhome.com/file/2023/4/118504_0s.jpg)
javascript for-in有序遍历json数据并探讨各个浏览器差异
![](https://img.aspxhome.com/file/2023/7/123717_0s.png)
Python实现多线程下载文件的代码实例
优化SQL Server的内存占用之执行缓存
利用XMLHTTP无刷新自动实时更新数据
python基础教程之缩进介绍
一步步详细讲解vue3配置ESLint
![](https://img.aspxhome.com/file/2023/7/123127_0s.jpg)
python内置堆的具体实现
![](https://img.aspxhome.com/file/2023/9/105589_0s.png)