特殊字符串处理的问题:
“第一佳大鸡排(新街口店)/黄焖鸡米饭”被识别成文件夹名
#处理特殊字符"/"
dex0 = line[6].find("/")
if dex0 != -1:
line[6] = line[6][0:dex0]
“约翰大叔▪比萨(龙跃店)“输出时,有特殊字符,无法输出。
# 处理特殊字符"▪"
dex1 = line[6].find("▪")
if dex1 != -1:
line[6] = line[6][0:dex1]
转自:https://segmentfault.com/q/1010000007386594
问题.将unicode字符编码成GBK出现问题,因为本身Unicode类型的字符中,包含了一些无法转换为GBK编码的一些字符
如下图,
解决方法:unicode字符编码时,添加ignore参数,忽略无法无法编码的字符
即str.encode('gbk', 'ignore')这种格式
4.29-4.30号
爬虫总结:这两天写爬虫,第一个知道自己最致命的一个问题是,无法将全局问题和局部问题定位很好。
1、爬取信息,尽量越少文件约好,一开始分了好多个子文档,傻B才会那么做。
2、关于python编码的问题真的是够够的,第一个办法是用python3,然后只要有这样的问题,就encode“utf-8”一下