爬虫中文乱码解决方法总结

第一种方法
import requests
url = 'http://www.***.com'
headers = {
 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.62 Safari/537.36'
}
html_temp = requests.get(url, headers=headers)
html_temp .encoding = html_temp .apparent_encoding
html = html_temp .text
print(html)
此时的获取到的HTML源码就是正常的中文文本
第二种方法
import requests
url = 'http://www.***.com'
headers = {
 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.62 Safari/537.36'
}
html= requests.get(url, headers=headers).content.decode('utf-8')
print(html)
备注:若是用第二种方法报错说utf-8不能解析网站,则此时就只需要更改编码(具体改成哪种格式根据爬取网站的编码来,一般网站大部分都是UTF-8或者GBK),所以可以改成gbk试下
html= requests.get(url, headers=headers).content.decode('GBK')
第三种方法
import requests
url = 'http://www.***.com'
headers = {
 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.62 Safari/537.36'
}
content = requests.get(url, headers=headers)
content.encoding = 'utf-8'
html= content.text
print(html)

Unicode编码转中文

def spider(page):
    url =**********’
    content = requests.get(url).content.decode('unicode-escape')
    print(content)
  • 3
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
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