爬虫下来的网页中文乱码解决

# -*- coding:UTF-8 -*-
import requests

if __name__ == '__main__':
    target = 'http://www.biqukan.com/1_1094/5403177.html'
    req = requests.get(url=target)
    print(req.text)

运行结果:

print(req.encoding)  # 查看网页返回的字符集类型。发现,网页的字符集类型采用的是 GBK 编码格式。请求网页返回的是 ISO-8859-1 不一致,所以乱码。

通过 req.encoding来设置编码形式,乱码解决。

# -*- coding:UTF-8 -*-
import requests

if __name__ == '__main__':
    target = 'http://www.biqukan.com/1_1094/5403177.html'
    req = requests.get(url=target)
    #print(req.encoding)  # 查看网页返回的字符集类型
    req.encoding = "gbk"   #设定编码方式
    print(req.text)

(req.encoding)  # 查看网页返回的字符集类型print(req.encoding)  # 查看网页返回的字符集类型 print(req.encoding)  # 查看网页返回的字符集类型

评论
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