Python3.x 爬虫学习笔记——判断网页的编码方式

(以后写博客尽量用MarkDown,我还是太low了)

更新:

后来发现这玩意没有加上headers,有些网页打不开啊,于是就加上了

代码如下

def find_type(url,Headers):
	data1 = urllib.request.urlopen(urllib.request.Request(url,headers = Headers)).read()
	chardit1 = chardet.detect(data1)
	if chardit1['encoding'] == "utf-8" or chardit1['encoding'] == "UTF-8":
		return "UTF-8"
	else:
		return "GBK"


----------------------------华丽分割线-------------------------------------------

Python爬虫学的比当时学Android的时候弯路走的少了太多了,但是中间多多少少还是会遇到一些问题,判断网页的编码方式就是其中之一,百度之后很简单就搞定了, 但是实在感觉没什么可写的,就这样开个头吧(虽然很low,但是最近确实没有学什么有营养的东西,所以就这样了)。

判定用到了detect函数,首先要import re

import re
然后是一个 函数,应该是很容易看懂的

def find_type(url):
	data1 = urllib.request.urlopen(url).read()#正常的read一个url
	chardit1 = chardet.detect(data1)#分析data1的编码方式
	if chardit1['encoding'] == "utf-8" or chardit1['encoding'] == "UTF-8":
        这里,由于GBK可以解析GBxxxx之类的,默认不是UTF8就是GBK了,但是有些网页还是没办法解析,求大神指点
		return "UTF-8"
	else:
		return "GBK"
就这样,及其不认真的第一篇博文,感觉自己是个傻逼(笑)



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