爬虫部分解码异常
response.content.decode() # 默认使用 utf-8 出现解码异常
以下是设计的通用解码
通过 text 获取编码
# 通过 text 获取编码 import requests from lxml import etree def public_decode(): headers = { 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36' } response = requests.get('https://blog.csdn.net/a13951206104', headers=headers) html = etree.HTML(response.text) # response.text 能自动获取编码, 大多乱码 _charset = html.xpath('//@charset') or [] if _charset: encode_content = response.content.decode(_charset[0].strip().lower(), errors='replace') # 如果设置为replace,则会用"response_obj": response} for _charset_ in ['utf-8', 'gbk', 'gb2312'] # 国内主要这3种: if '"response_obj": response} else: # 默认还得是 utf-8 return {'response_text': response.content.decode('utf-8', errors='replace'), "response_obj": response}
通过数据 来解编码(推荐)
def public_decode(response): headers = { 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36' } response = requests.get('https://blog.csdn.net/a13951206104', headers=headers) html = etree.HTML(response.text) # 不希望抓下来的数据中有非法字符 item = dict() result = None for _charset_ in ['utf-8', 'gbk', 'gb2312']: if response: result = response.content.decode(_charset_, errors='replace') item['content'] = html.xpath('//*[@id="content"]') if '�' not in result['content'].strip(): result =response.content.decode(_charset_, errors='replace') break if not result: # 默认 utf-8 result = response.content.decode(_charset_, errors='replace')
errors=‘replace' 使解码不报异常, 然后把几个常用的编码一个个试下, 最后要看落下来的数据, 所以最好拿数据 去获取合适的编码
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
华山资源网 Design By www.eoogi.com
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
华山资源网 Design By www.eoogi.com
暂无评论...
更新日志
2024年11月15日
2024年11月15日
- 王崴-爵士听堂.蓝色波萨(HQCD)[WAV+CUE]
- 群星《欧美动听情歌·柔情第5季》2CD【DTS-WAV分轨】
- [极品珍藏]德意志进行曲集卡拉扬SACD[WAV+CUE]
- 前暴雪制作人呼吁反击DEI 玩家:夺回文化!
- 腾讯证实子公司Sharkmob大规模裁员:整个市场很低迷
- 荣耀加冕 问鼎冠军 中国代表队获第四届东亚电竞锦标赛团体总冠军
- 污甩乐队.2024-Let.the.dirt.left【摩登天空】【FLAC分轨】
- 杜德伟.1994-ALL.FOR.YOU(英)【滚石】【WAV+CUE】
- 群星.2013-百代好声音ADMSCD1【EMI百代】【WAV+CUE】
- 群星《私人音乐精选示范碟》PRIVATEMUSIC 发烧唱片名碟[WAV+CUE][1.1G]
- 山口百惠《あなたへの子守唄》日本索尼钢刻字首版[WAV分轨][1.1G]
- 群星《宝丽金20周年特别发烧版》1:1母盘直刻限量编号[低速原抓WAV+CUE][1G]
- 凤飞飞.1984-仲夏(夏艳)[WAV]
- 常安《民歌红·江南燕》DTS-ES6.1[WAV]
- 群星-时尚慢摇DJ舞曲《发烧车载中文天碟-调情》非卖品[WAV]