解决Python网页爬虫之中文乱码问题

Python  /  管理员 发布于 7年前   216

Python是个好工具，但是也有其固有的一些缺点。最近在学习网页爬虫时就遇到了这样一种问题，中文网站爬取下来的内容往往中文显示乱码。看过我之前博客的同学可能知道，之前爬取的一个学校网页就出现了这个问题，但是当时并没有解决，这着实成了我一个心病。这不，刚刚一解决就将这个方法公布与众，大家一同分享。

首先，我说一下Python中文乱码的原因，Python中文乱码是由于Python在解析网页时默认用Unicode去解析，而大多数网站是utf-8格式的，并且解析出来之后，python竟然再以Unicode字符格式输出，会与系统编码格式不同，导致中文输出乱码，知道原因后我们就好解决了。下面上代码，实验对象仍是被人上了无数遍的百度主页~

# -*- coding: utf-8 -*-import urllib2import reimport requestsimport sysimport urllib#设置编码reload(sys)sys.setdefaultencoding('utf-8')#获得系统编码格式type = sys.getfilesystemencoding()r = urllib.urlopen("http://www.baidu.com")#将网页以utf-8格式解析然后转换为系统默认格式a = r.read().decode('utf-8').encode(type)print a

最后输出效果，中文完美输出

以上这篇解决Python网页爬虫之中文乱码问题就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。