错误信息:
在使用requests解析网站时,在输出结果时,出现如下报错信息,导致有一部分解析出来的结果未输出成功
UnicodeEncodeError: 'gbk' codec can't encode character '\u30fb' in position 41: illegal multibyte sequence
默认编码是GBK,字符\ufffd不能编码为GBK。
查阅Unicode编码表或者使用Python自带的集成开发环境IDLE(可以输出),可知\ufffd其实是�字符。
Python3的字符串以Unicode编码,也就是解析网页时,需要将字符串从网页原来的编码格式转化为Unicode编码格式。
出现�字符的原因:从某编码向Unicode编码转化时,如果没有对应的字符,得到的将是Unicode的代码\ufffd,也就是�字符。
在写爬虫解析网页时出现�字符,往往是因为没有注意原网页的编码格式,全按照默认编码UTF-8转化,导致有的字符转化失败。
def get_one_page(url): headers = { 'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36' } response = requests.get(url, headers=headers) #response.encoding = 'gbk' # response.encoding = 'gb2312' 仍然会报错 print (response.status_code) #print (response.content) if response.status_code == 200: return response.text return None