1.【windows系统】在写入txt文件的过程中,突然在中途蹦出来:UnicodeEncodeError: 'gbk' codec can't encode character '\u200b' in position 4: illegal multibyte sequence,即:gbk不能对……进行编码……,如下:
with open(r"D:\作业\python\夜曲.py\爬取B站弹幕项目.py\岗位信息.txt",mode="a",encoding="gbk") as f:
f.write(job+","+companyName+","+position+","+salary+"\n")
>>>UnicodeEncodeError: 'gbk' codec can't encode character '\u200b' in position 4: illegal multibyte sequence
解决方法:将“gbk”换成它的超集“gb18030”,如下
#####……………………####
with open(r"D:\作业\python\夜曲.py\爬取B站弹幕项目.py\岗位信息.txt",mode="a",encoding="gb18030") as f:
f.write(job+","+companyName+","+position+","+salary+"\n")
###…………………………####
print("txt disposing sucess!")
>>>txt disposing sucess!
总结:gbk是文本文档的默认编码方式,而gbk又是gb18030的子集,故 多用gb18030替换gbk
2.字体反爬虫,先上图(某某僧,薪资):
看吧,主家把这几个数给藏起来了,咋治呢……
大致思路就是:
在主家摩斯密码的基础上先encode()编码
对比编码结果和实际数值,找出对应关系【别得意,主家的密码对应关系可能不定时更新哦】
之后利用replace()函数将编码结果和数值进行替换【算是人工解码吧……】
最后再次利用decode()解码【解码剩下的、细枝末节的东西】
即
####…………………………####
salary=soup.find(class_="job_money cutom_font").string.strip()
salary=soup.find(class_="job_money cutom_font").string.encode()
salary=salary.replace(b'\xef\x89\x81',b"0")
salary=salary.replace(b'\xee\x80\x84',b"1")
salary=salary.replace(b'\xef\x9a\x92',b"2")
salary=salary.replace(b'\xee\xb0\xbd',b"3")
salary=salary.replace(b'\xee\x86\xb6',b"4")
salary=salary.replace(b'\xee\x84\xa5',b"5")
salary=salary.replace(b'\xef\x9a\xa7',b"8")
salary=salary.decode()
####…………………………#####