python 爬取网页时文本乱码解决办法

爬取的网页不管是'gbk'解码还是'utf-8'解码,以下是通用的解决乱码方法

先转换成二进制格式,再进行编码

用requests获取网页时

import requests

headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML,like Gecko) Chrome/75.0.3770.100 Safari/537.36",
}

res = requests.get('http://www.eeo.com.cn/yaowen/',headers = headers)
response = bytes(res.text,res.encoding).decode('utf-8','ignore')
print(response)

用pyquery获取网页时

from pyquery import PyQuery as pq

headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML,like Gecko) Chrome/75.0.3770.100 Safari/537.36",
}

res = pq('http://www.eeo.com.cn/yaowen/',headers = headers)
response = bytes(res.html(),res.encoding).decode('utf-8','ignore')
print(response)

二者区别仅在于获取网页内容时的函数是text还是html(),另外,文中要获取的网页解码方式是'utf-8'

  • 3
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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
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