我本来不会Python，一边学一边试图以最简单方式来解释编程和Python，让各位理工男可以拿去教自己的女朋友。
上期我们写了让数据到碗里来的代码，然而并没有运行，所有没有进行测试运行的代码，都是坑，天大的坑，现在，我们来填坑。我为什么没运行呢？因为我知道会出错！什么错？请看：
错误信息：UnicodeEncodeError: 'ascii' codec can't encode characters in position 21-22: ordinal not in range(128)。ascii码不能对位于21-22的字符进行编码，为什么呢，他的编码不在128的范围类。
问题：ASCII码是什么？
我们第一期说过，在计算机里面，是用数字0和1来表示信息的。用0和1表示数字的方式，叫二进制。可是怎么表示文字呢？简单，把文字转换成数字就可以了。转换嘛，其实制定一套编码指定哪个数字代表哪个字符。一帮人纠结来纠结去，后来选择了0—127，代表了26个小写字母、26个大写字母、10个数字、32个符号、33个句柄和一个空格总共128个字符，这就是ASCII码。现在知道错误信息里的128怎么来的了吧。
因为是美国人发明的，所以并没有考虑中文，甚至他们的老兄弟英国的英镑符号都没有考虑进去。所以，我们的中文字符“胡歌”，要用ascii去解码的时候，就会出错了。
怎么办呢？活人当然不会被尿憋死，既然别人老美可以有自己的编码，我们就不能也设定一个么。于是，中国的编码GB2312诞生。那么问题来了，有没有一套编码，包含各个国家的字符呢？当然有，Unicode！看Uni这个词根，就知道他要搞大事情。然而这套编码发明出来后大家并不太买账，为什么呢，因为他太庞大。想想ASCII码，只有1到127，最大的127用二进制表示是1111111，也就是说最少7位就能表示一个字符。想想Unicode要成万用码，那长度，真是我的天。为了克服Unicode的缺陷，又出来了UTF-8编码，这套编码与之前不同之处在于UTF8的编码是变长的。之前的比如ASCII码，表示1是用0000001，表示127是用1111111，都是7位，但是UTF-8不同，他表示小的数字用的位数就少，表示大的数字用的位数就大。于是设计者就将常用的字符对应比较小的数字，很少用的字符对应比较大的数字，也就是大部分情况下，他占的资源还是挺少的，这样就兼顾了通用和效率。
所以，只要将汉字“胡歌”表示成UTF-8就可以了。
有同学表示不服：我直接搜索胡歌都是可以的，而且浏览器上显示的也是汉字。为什么python就不可以，真是弱鸡啊。我说这位同学你这是图样图森破啊。看好了：
看实际上汉字变成了什么。那么这个%E8%83%A1%E6%AD%8C是什么呢？
是不是就是胡歌的UTF-8编码，只不过用了十六进制表示。
好了，那怎么改？用我刚刚输入的"胡歌".encode("utf-8")？那是不行的，一来，发现输出的b'\xe8\x83\xa1\xe6\xad\x8c'前面有个b没，这是什么？二来，输出结果出来是\x，而在网址中是百分号。
我先说解决方案，再解释上面说的这些。
解决方案：parse.quote("胡歌")。其中parse也是来自于上期说到的urllib模块，他出来的效果，就是%E8%83%A1%E6%AD%8C。
再来解释上面说到的几个问题。首先是\x，其实就是表示十六进制，没什么其他的意思。第二是百分号%，这是一个规定，在网址里面，遇到特殊符号就用%加符号的ASCII码的十六进制，遇到中文其实比较凌乱，有的是百分号加UTF-8编码，有的是加GB2312编码，这里我们暂时都用UTF-8，遇到坑了之后以后再说。
最后，稍复杂一些，这个b是什么鬼。我们说了，Python有五个基本数据类型。然而，我们经常下载文件，或者保存文件，是说多少B，多少KB，多少MB，多少GB，没听说过我们存了一个int，两个str，三个float。所以，在网络传输，磁盘存储的时候，都要将这些转成以字节bytes为单位的数据。1B=8bytes。Python对bytes类型的数据用带b前缀的单引号或双引号表示。要将字符串转换成字节，用encode()；要将字节信息转换成字符串，用decode()。
如果不选编码，会默认使用Unicode。
好了，编码的问题讲完了，我们修改一下代码，再运行一下。
获取到数据了吧，而且看最后，我们获取到的数据是不是也是开头有个b的，从网络获取的数据都是这样，我们再把他解码一下，弄成字符串，方便以后处理：
htmlstr = data.decode("utf-8", "ignore")
ignore是为了防止一些莫名的解码错误，遇到了就忽视掉。
上期我们写了让数据到碗里来的代码，然而并没有运行，所有没有进行测试运行的代码，都是坑，天大的坑，现在，我们来填坑。我为什么没运行呢？因为我知道会出错！什么错？请看：
错误信息：UnicodeEncodeError: 'ascii' codec can't encode characters in position 21-22: ordinal not in range(128)。ascii码不能对位于21-22的字符进行编码，为什么呢，他的编码不在128的范围类。
问题：ASCII码是什么？
我们第一期说过，在计算机里面，是用数字0和1来表示信息的。用0和1表示数字的方式，叫二进制。可是怎么表示文字呢？简单，把文字转换成数字就可以了。转换嘛，其实制定一套编码指定哪个数字代表哪个字符。一帮人纠结来纠结去，后来选择了0—127，代表了26个小写字母、26个大写字母、10个数字、32个符号、33个句柄和一个空格总共128个字符，这就是ASCII码。现在知道错误信息里的128怎么来的了吧。
因为是美国人发明的，所以并没有考虑中文，甚至他们的老兄弟英国的英镑符号都没有考虑进去。所以，我们的中文字符“胡歌”，要用ascii去解码的时候，就会出错了。
怎么办呢？活人当然不会被尿憋死，既然别人老美可以有自己的编码，我们就不能也设定一个么。于是，中国的编码GB2312诞生。那么问题来了，有没有一套编码，包含各个国家的字符呢？当然有，Unicode！看Uni这个词根，就知道他要搞大事情。然而这套编码发明出来后大家并不太买账，为什么呢，因为他太庞大。想想ASCII码，只有1到127，最大的127用二进制表示是1111111，也就是说最少7位就能表示一个字符。想想Unicode要成万用码，那长度，真是我的天。为了克服Unicode的缺陷，又出来了UTF-8编码，这套编码与之前不同之处在于UTF8的编码是变长的。之前的比如ASCII码，表示1是用0000001，表示127是用1111111，都是7位，但是UTF-8不同，他表示小的数字用的位数就少，表示大的数字用的位数就大。于是设计者就将常用的字符对应比较小的数字，很少用的字符对应比较大的数字，也就是大部分情况下，他占的资源还是挺少的，这样就兼顾了通用和效率。
所以，只要将汉字“胡歌”表示成UTF-8就可以了。
有同学表示不服：我直接搜索胡歌都是可以的，而且浏览器上显示的也是汉字。为什么python就不可以，真是弱鸡啊。我说这位同学你这是图样图森破啊。看好了：
看实际上汉字变成了什么。那么这个%E8%83%A1%E6%AD%8C是什么呢？
是不是就是胡歌的UTF-8编码，只不过用了十六进制表示。
好了，那怎么改？用我刚刚输入的"胡歌".encode("utf-8")？那是不行的，一来，发现输出的b'\xe8\x83\xa1\xe6\xad\x8c'前面有个b没，这是什么？二来，输出结果出来是\x，而在网址中是百分号。
我先说解决方案，再解释上面说的这些。
解决方案：parse.quote("胡歌")。其中parse也是来自于上期说到的urllib模块，他出来的效果，就是%E8%83%A1%E6%AD%8C。
再来解释上面说到的几个问题。首先是\x，其实就是表示十六进制，没什么其他的意思。第二是百分号%，这是一个规定，在网址里面，遇到特殊符号就用%加符号的ASCII码的十六进制，遇到中文其实比较凌乱，有的是百分号加UTF-8编码，有的是加GB2312编码，这里我们暂时都用UTF-8，遇到坑了之后以后再说。
最后，稍复杂一些，这个b是什么鬼。我们说了，Python有五个基本数据类型。然而，我们经常下载文件，或者保存文件，是说多少B，多少KB，多少MB，多少GB，没听说过我们存了一个int，两个str，三个float。所以，在网络传输，磁盘存储的时候，都要将这些转成以字节bytes为单位的数据。1B=8bytes。Python对bytes类型的数据用带b前缀的单引号或双引号表示。要将字符串转换成字节，用encode()；要将字节信息转换成字符串，用decode()。
如果不选编码，会默认使用Unicode。
好了，编码的问题讲完了，我们修改一下代码，再运行一下。
获取到数据了吧，而且看最后，我们获取到的数据是不是也是开头有个b的，从网络获取的数据都是这样，我们再把他解码一下，弄成字符串，方便以后处理：
htmlstr = data.decode("utf-8", "ignore")
ignore是为了防止一些莫名的解码错误，遇到了就忽视掉。
好了，现在我们拿到数据了，下一步，就要从这些数据中找出图片了。
欢迎关注我的微信公众号获取最新文章：
2034
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
