Python: 'utf-8' codec can't decode byte 0x8b in position 1: invalid start byte

起因:看小说无聊,想起用python自己写一个爬虫,爬出 笔趣阁 中的所有的小说。就去爬 (www.xbiquge.la)网站。
经过:代码如下

def getHtml(url):
    print('start html')
    #获取网页内容
    page = urllib.request.urlopen(url)
    html = page.read().decode()
    return html

然后代码运行时,出现了 ‘utf-8’ codec can’t decode byte 0x8b in position 1: invalid start byte 这个错误提示。
原因:笔趣阁网站返回的数据是经过压缩的,压缩格式是Gzip格式,需要通过相应算法解压后使用。
修改后代码

def unGzip(page):
    try:
        data = gzip.decompress(page)
    except:
        pass
    return data

def getHtml(url):
    print('start html')
    #获取网页内容
    page = urllib.request.urlopen(url)
    html = unGzip(page.read()).decode()
    return html
  • 0
    点赞
  • 1
    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