爬虫-关于58同城繁体字解析

import re
import base64
from io import BytesIO
from fontTools.ttLib import TTFont
import requests
from lxml import etree
session = requests.session()
response = session.get(url='https://bj.58.com/chuzu/')
bs64_str = re.findall("charset=utf-8;base64,(.*?)'\)", response.text)[0]

def get_page_show_ret(string):
    font = TTFont(BytesIO(base64.decodebytes(bs64_str.encode())))
    c = font['cmap'].tables[0].ttFont.tables['cmap'].tables[0].cmap
    ret_list = []
    for char in string:
        decode_num = ord(char)
        if decode_num in c:
            num = c[decode_num]
            num = int(num[-2:])-1
            ret_list.append(num)
        else:
            ret_list.append(char)
    ret_str_show = ''
    for num in ret_list:
        ret_str_show += str(num)
    return ret_str_show

将爬取的数据遍历调用上面的函数就可以解析

monery = html.xpath('//div/ul/li/div[3]/div[2]/b/text()')[:10]
price = []
for i in monery:
    p = get_page_show_ret(i)
    price.append(p)
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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