99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄
首頁精彩閱讀盤點(diǎn)3種Python網(wǎng)絡(luò)爬蟲過程中的中文亂碼的處理方法
盤點(diǎn)3種Python網(wǎng)絡(luò)爬蟲過程中的中文亂碼的處理方法
2021-10-13
收藏

來源：Python爬蟲與數(shù)據(jù)挖掘

作者： Python進(jìn)階者

今天給大家祭出網(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。

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。

盤點(diǎn)3種Python<a href='/map/wangluopachong/' style='color:#000;font-size:inherit;'>網(wǎng)絡(luò)爬蟲</a>過程中的中文亂碼的處理方法
盤點(diǎn)3種Python<a href='/map/wangluopachong/' style='color:#000;font-size:inherit;'>網(wǎng)絡(luò)爬蟲</a>過程中的中文亂碼的處理方法
盤點(diǎn)3種Python<a href='/map/wangluopachong/' style='color:#000;font-size:inherit;'>網(wǎng)絡(luò)爬蟲</a>過程中的中文亂碼的處理方法

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。

盤點(diǎn)3種Python<a href='/map/wangluopachong/' style='color:#000;font-size:inherit;'>網(wǎng)絡(luò)爬蟲</a>過程中的中文亂碼的處理方法

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。

盤點(diǎn)3種Python<a href='/map/wangluopachong/' style='color:#000;font-size:inherit;'>網(wǎng)絡(luò)爬蟲</a>過程中的中文亂碼的處理方法

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
盤點(diǎn)3種Python<a href='/map/wangluopachong/' style='color:#000;font-size:inherit;'>網(wǎng)絡(luò)爬蟲</a>過程中的中文亂碼的處理方法

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：

盤點(diǎn)3種Python<a href='/map/wangluopachong/' style='color:#000;font-size:inherit;'>網(wǎng)絡(luò)爬蟲</a>過程中的中文亂碼的處理方法

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。

盤點(diǎn)3種Python<a href='/map/wangluopachong/' style='color:#000;font-size:inherit;'>網(wǎng)絡(luò)爬蟲</a>過程中的中文亂碼的處理方法

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。雖然文中例舉了3種方法，但是小編相信肯定還有其他的方法的，也歡迎大家在評(píng)論區(qū)諫言。

盤點(diǎn)3種Python<a href='/map/wangluopachong/' style='color:#000;font-size:inherit;'>網(wǎng)絡(luò)爬蟲</a>過程中的中文亂碼的處理方法

小伙伴們，快快用實(shí)踐一下吧！

數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼

若不方便掃碼，搜微信號(hào)：CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1：配置參數(shù) // 參數(shù)2：回調(diào)，回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對(duì)象，之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個(gè)配置參數(shù)為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺(tái)檢測(cè)極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式，包括：float，popup width: "280px", https: true // 更多配置參數(shù)說明請(qǐng)參見：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時(shí)完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請(qǐng)輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請(qǐng)輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }