爬虫过程中遇到的编码解码问题

最近学习爬虫想去爬一个网站的数据时,出现了下面的错误,其实是编码问题:
TypeError: cannot use a string pattern on a bytes-like object
在这里插入图片描述

TypeError: can’t use a string pattern on a bytes-like object.
客户端只支持utf-8编码格式,服务器支持gbk格式(有代理服务器的情况下,代理服务器只支持gbk格式,需要decode(‘gbk’)解码)。
html用decode(‘utf-8’)进行解码,由bytes变成string。
py3的urlopen返回的不是string是bytes。

于是,我打算用decode(‘utf-8’)对html进行解码,结果报错:UnicodeDecodeError: ‘utf-8’ codec can’t decode byte 0xd7 in position 263: invalid continuation byte
在这里插入图片描述
utf-8不能解码html内容,说明此处不应该用utf-8进行解码,换用gbk解码,解码成功,说明此处服务器返回的html是gbk格式的:
在这里插入图片描述

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 3
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值