爬虫乱码,转码失败,一招解决

获取到的内容乱码如下:

今天遇到一个网页,爬取到的内容都是这种方块,问号等乱七八糟的乱码,看响应的类型也是utf-8。

 想把乱码解码后再编码也失败了,搞得人头大无比,都想张口来句C语言。

苦寻良久,各种方法尝试之后,决定跳出编码的范围,来重新看待问题,果然,没过多久让我找到病症之所在,原来是请求头传递的Accept-Encoding参数请求了br格式的压缩包,这种格式请求的时候不会自动解压,而前面的那个gzip则会自动解压,所以问题就在这里了我们将这个br删掉,就可以得到正常的数据了,完全不用花里胡哨的操作

  • 4
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
当爬取网页内容时,有时可能会遇到乱码问题。下面是一些解决乱码问题的常见方法: 1. 确定网页编码:首先,需要确定网页的正确编码方式。可以查看网页的HTTP响应头中的Content-Type字段,或者通过网页源代码中的meta标签来获取。常见的编码方式有UTF-8、GBK、ISO-8859-1等。 2. 指定正确的编码方式:在使用Python爬虫时,可以通过指定正确的编码方式来解决乱码问题。例如,可以使用requests库发送网络请求时,通过设置`response.encoding`属性来指定编码方式,如`response.encoding = 'UTF-8'`。 3. 使用合适的解码方式:如果指定了正确的编码方式仍然无法解决乱码问题,可以尝试使用其他解码方式进行解码。可以使用Python的内置字符串方法`decode()`或者第三方库(如chardet)来进行解码。 4. 处理特殊字符:有时候,网页中可能包含一些特殊字符,如非法字符或HTML实体编码。可以使用第三方库(如html.parser)来对这些特殊字符进行处理,将它们转换为正常的文本。 5. 使用Unicode进行处理:如果以上方法仍然无法解决乱码问题,可以尝试将乱码文本转换为Unicode编码,并进行适当的处理。可以使用Python的`encode()`和`decode()`方法来进行编码和解码。 需要注意的是,乱码问题的解决方法因具体情况而异,可能需要根据实际情况进行调试和尝试不同的解决方案。

“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
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

打赏作者

lemuzhi_零度

作者幸苦,犒劳一下

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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