数据乱码问题处理
1、网页源代码乱码的原因
网页中常用的编码格式有utf-8、GBK、ISO-8859-1。
用开发者工具查看网页源代码,然后展开<head> 标签,查看<meta>标签里的charset属性,如下图所示,该属性的值就是网页的编码格式,此处为utf-8
用Requests库的encoding属性可以查看Python获取的网页源代码的编码格式:
code = requests.get(url, headers = headers).encoding
2、网页源代码乱码的解决方法
方法1:对获取的网页源代码文本进行重新编码及解码
res = requests.get(url).text
res = res.encode('Python获取的网页源代码的编码格式').decode('开发者工具中网页源代码编码格式')
方法2:对获取的网页响应进行编码处理,再提取文本
res = requets.get(url, headers=headers)
res.encoding = '开发者工具中网页源代码编码格式'
res = res.text
补充知识点:encode()函数和decode()函数
encode()函数的功能是把字符串转换成原始的二进制字符
decode()函数的功能是把二进制字符转换成字符串