使用Python做爬虫时出现中文乱码

源代码如下:
import urllib.request

url=“http://www.txtbook.com.cn/”
resp=urllib.request.urlopen(url)

with open(‘mybaidu.html’,mode=‘w’) as f:
f.write(resp.read().decode(‘utf-8’))
网上普遍的说法是需要检查其编码方式,isinstance()来检查url是否为unicode编码,若是,则转化为utf-8编码,否则不变。查看了该网址的源代码( )发现没有问题。会不会是这个网站的反爬设置?跟换个网站试一试。
url=“https://chengdu.chashebao.com/yanglao/19077.html”
改了网站,在浏览器可以正常显示中文。但是‘https’很显然比‘http’的更安全。不可能‘https’的反爬还差。于是做了这样的测试:
import urllib.request

      url="http://www.txtbook.com.cn/"
      resp=urllib.request.urlopen(url)

      print(resp.read().decode('utf-8'))


      发现中文可以正常显示。那么‘open’使用有问题。或者说是写入文件时有问题。

修改为:
import urllib.request

url=“http://www.txtbook.com.cn/”
resp=urllib.request.urlopen(url)

with open(‘mybaidu.html’,mode=‘w’, encoding=“utf-8”) as f:
f.write(resp.read().decode(‘utf-8’))
print(‘over!’)
可以正常显示中文了。

  • 4
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    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 1
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