python爬虫文件存储，编码错误时的解决办法

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理

以下文章来源于腾讯云 作者：十四君

( 想要学习Python？Python学习交流群：1039649593，满足你的需求，资料都已经上传群文件流，可以自行下载！还有海量最新2020python学习资料。 )

对于网站采用不容易出异常的方式将网页源码存为文件，一般使用wb的形式写入，取requests返回的response.content

with open(save_file,"wb") as f:
    f.write(response.content)

读取了一个.html的wb形式写入的文件，然后报错：

'utf-8' codec can't decode byte 0xfc in position 14: invalid start byte

解决方法很简单，用各种text reader（我用atom ）将文件打开，我发现当设置编码格式为GBK 的时候，中文显示正常，因此 我的文件编码形式是这样的：’GBK’

确定了该wb写入的文件是gbk编码，那么读取的时候也一样加上参数就行了

with open(file_path,"r",encoding='gbk') as f:
    html = f.read()

另外，文件中有不可理解的错误字符，可以用 errors=”ignore” 来忽略之

with open("a.html","r",encoding='GBK', errors="ignore") as f:
    html = f.read()