溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
Python是個好工具，但是也有其固有的一些缺點。最近在學習網頁爬蟲時就遇到了這樣一種問題，中文網站爬取下來的內容往往中文顯示亂碼。看過我之前博客的同學可能知道，之前爬取的一個學校網頁就出現了這個問題，但是當時并沒有解決，這著實成了我一個心病。這不，剛剛一解決就將這個方法公布與眾，大家一同分享。
首先，我說一下Python中文亂碼的原因，Python中文亂碼是由于Python在解析網頁時默認用Unicode去解析，而大多數網站是utf-8格式的，并且解析出來之后，python竟然再以Unicode字符格式輸出，會與系統編碼格式不同，導致中文輸出亂碼，知道原因后我們就好解決了。下面上代碼，實驗對象仍是被人上了無數遍的百度主頁~
# -*- coding: utf-8 -*-
import urllib2
import re
import requests
import sys
import urllib
#設置編碼
reload(sys)
sys.setdefaultencoding('utf-8')
#獲得系統編碼格式
type = sys.getfilesystemencoding()
r = urllib.urlopen("http://www.baidu.com")
#將網頁以utf-8格式解析然后轉換為系統默認格式
a = r.read().decode('utf-8').encode(type)
print a
最后輸出效果，中文完美輸出
以上這篇解決Python網頁爬蟲之中文亂碼問題就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
