首页 > 编程语言 > 详细

python-scrapy爬取网页编码为gb2312

时间:2019-03-03 21:12:50      阅读:654      评论:0      收藏:0      [点我收藏+]

最近两天在学scrapy,发现爬取编码为gb2312的网页时出现错误,解决后又出现中文乱码问题,弄了两天终于解决了

1.(测utf-8/gb2312可以成功调码解码)

1. import chardet

         print(chardet.detect(title))

py3用库chardet可以查看网络编码方式

先用encode编码成bytes

再用decode编码成str

代码如图

for t in  response.xpath(‘//title‘):
    title=t.extract().encode(response.encoding)#重点1
    print(chardet.detect(title))
    title= title.decode(response.encoding,errors=‘ignore‘)#重点2
    print(title)

这样访问就解决了scrapy访问gb2312出现的问题已经中文乱码问题

python-scrapy爬取网页编码为gb2312

原文:https://www.cnblogs.com/chenminyu/p/10467546.html

(1)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!