創(chuàng)新互聯(lián)www.cdcxhl.cn八線動態(tài)BGP香港云服務(wù)器提供商，新人活動買多久送多久，劃算不套路！

成都創(chuàng)新互聯(lián)公司主營羅莊網(wǎng)站建設(shè)的網(wǎng)絡(luò)公司,主營網(wǎng)站建設(shè)方案,App定制開發(fā),羅莊h5微信平臺小程序開發(fā)搭建,羅莊網(wǎng)站營銷推廣歡迎羅莊等地區(qū)企業(yè)咨詢

這篇文章將為大家詳細(xì)講解有關(guān)python抓取網(wǎng)頁亂碼的解決方法，小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。

在使用python爬取網(wǎng)頁時(shí)，經(jīng)常會遇到亂碼問題，一旦遇到亂碼問題，就很難得到有用的信息。本人遇到亂碼問題，一般有以下幾個(gè)方式：

1、查看網(wǎng)頁源碼中的head標(biāo)簽，找到編碼方式，例如：

在上圖中，可以看到charset='utf-8',說明這個(gè)網(wǎng)頁很大可能是采用‘UTF-8’編碼（是很大可能，但不是百分之百），因此可以試試這個(gè)編碼方式：

result = response.content.decode('utf-8')

這種方式得到的內(nèi)容基本上就不會亂碼。

2、如果上述的方式?jīng)]有任何作用，頁面依然亂碼；或者在head標(biāo)簽下并沒有找到charset屬性；或者我們要采集很多網(wǎng)頁的信息，而且這些網(wǎng)頁的編碼方式不盡相同，我們不可能做到一個(gè)一個(gè)網(wǎng)頁的去查看head標(biāo)簽，那么可以采用下面的方式解決亂碼。

（1）python的chardet庫

可以使用下面的方式解決亂碼問題

result = chardet.detect(response.content)
print(result)
data = response.content.decode(chardet.detect(response.content)['encoding'])
{'confidence': 0.99, 'language': '', 'encoding': 'utf-8'}

從輸出結(jié)果可以看出這是“猜測”編碼，猜測的方式是先收集各種編碼的特征字符，根據(jù)特征字符判斷，就能有很大概率“猜對”。

這種方法的效率很低，如果采集的網(wǎng)頁很大，可以只猜測其中一段的源碼，即

result = chardet.detect(response.content[:1000])

（2）response的編碼

也可以使用另一種方法，即response自有的encoding,apparent_encoding這兩個(gè)變量。

response.encoding一般是從response.headers中content-type字段中的charset的值，其它情況我也不是很了解。

response.apparent_encoding 一般是采用上述的python的chardet庫這種方法。

因此可以用下面的方式解決亂碼問題

data = response.content.decode(response.apparent_encoding)

3、一般情況下，上述兩個(gè)方法可以解決亂碼問題。但是如果上述兩個(gè)方式不能解決，那有可能是網(wǎng)頁的壓縮導(dǎo)致的。這種問題用下面的方法解決。

檢查一下你寫的頭信息是不是包含了Accept-Encoding這個(gè)字段，如果有，請刪除這個(gè)字段，亂碼問題就會得到解決。

headers = {
    'Accept-Encoding': 'gzip, deflate, sdch',
    'Accept-Language': 'zh-CN,zh;q=0.8',
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) 
    Chrome/49.0.2623.221 
    Safari/537.36 SE 2.X MetaSr 1.0',
    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
    'Connection': 'keep-alive',
}

關(guān)于python抓取網(wǎng)頁亂碼的解決方法就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，可以學(xué)到更多知識。如果覺得文章不錯(cuò)，可以把它分享出去讓更多的人看到。

本文標(biāo)題：python抓取網(wǎng)頁亂碼的解決方法-創(chuàng)新互聯(lián)
網(wǎng)站地址：http://aaarwkj.com/article44/hoeee.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供關(guān)鍵詞優(yōu)化、網(wǎng)站策劃、手機(jī)網(wǎng)站建設(shè)、外貿(mào)建站、網(wǎng)站設(shè)計(jì)、App設(shè)計(jì)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)