想想这辈子第一次写博客,心里还有点小激动呢~
在写python的爬虫代码时,发现找出的中文会被编码成类似 \u4e16\u7ae0 这样的,网上有人解释可以通过
import sys
reload(sys)
sys.setdefaultencoding('gbk')
的方法来解决。但是当使用re.findall函数在网页代码找到自己需要的东西时,输出的列表还是乱码。例如
<pre name="code" class="python">content=re.findall('<td class="content">(.*?)</td>',Rsponse,re.S)
print content
输出的是
\u90dd\u6653\u98de<br />
解决方法是要循环一个一个输出:
content=re.findall('<td class="content">(.*?)</td>',Rsponse,re.S)[0]
print content
输出的是
郝晓飞<br />
发现python的编码问题真心坑爹啊