golang写爬虫出现乱码如何处理
发布时间:2020-04-27 11:01:16
来源:亿速云
阅读:1133
作者:小新
golang写爬虫出现乱码如何处理?相信有很多人都不太了解,今天小编为了让大家更加了解Golang,所以给大家总结了以下内容,一起往下看吧。
golang写爬虫乱码怎么办
在用golang编写爬虫程序时,会碰见编码格式gb2312的页面。
网页页面上可以看出该页面字符编码为gb2312
而golang默认是支持UTF-8编码格式的,这样直接爬下来的结果会乱码。
解决方法:
使用 github.com/axgle/mahonia 这个包可以完成编码转换、
1、执行 go get github.com/axgle/mahonia命令下载此包后,在%gopath%/src目录下会生产github.com\axgle\mahonia
2、代码使用方法
1)导入包import "github.com/axgle/mahonia"
2)转换函数func ConvertToString(src string, srcCode string, tagCode string) string {
srcCoder := mahonia.NewDecoder(srcCode)
srcResult := srcCoder.ConvertString(src)
tagCoder := mahonia.NewDecoder(tagCode)
_, cdata, _ := tagCoder.Translate([]byte(srcResult), true)
result := string(cdata)
return result
}
3)在需要字符串转换编码的位置调用此函数result = ConvertToString(html, "gbk", "utf-8")
关于golang写爬虫出现乱码如何处理就分享到这里了,希望以上内容可以对大家有一定的参考价值,可以学以致用。如果喜欢本篇文章,不妨把它分享出去让更多的人看到。