python 采集中文乱码问题的方法
近几日遇到采集某网页的时候大部分网页ok,少部分网页出现乱码的问题,调试了几日,终于发现了是含有一些非法字符造成的..特此记录
1. 在正常情况下..可以用
import chardetthischarset = chardet.detect(strs)["encoding"]
来获取该文件或页面的编码方式
立即学习“Python免费学习笔记(深入)”;
或直接抓取页面的charset = xxxx 来获取
2. 遇到内容中有特殊字符时指定的编码一样会造成乱码..即内容中非法字符造成的,可以采用编码忽略非法字符的方式来处理.
strs = strs.decode("UTF-8","ignore").encode("UTF-8")
decode的第二个参数表示遇到非法字符时所采取的方式
该参数默认为抛出异常.
文章推荐
-
Python实现字典的key和values的交换
有些时候我们不得已要利用values来反向查询key,有没有简单的方法呢?下面我给大家列举一些方法,方便大家使用pyth...
Python
2个月前 (02-11) 207 -
使用Python脚本来获取Cisco设备信息的示例
今天发现一个使用python写的管理cisco设备的小框架tratto,可以用来批量执行命令。下载后主要有3个文件:Sy...
Python
2个月前 (02-11) 110 -
Python的Django中django-userena组件的简单使用教程
利用twitter/bootstrap,项目的基础模板算是顺利搞定。接下来开始处理用户中心。用户中心主要包括用户登陆、注...
Python
2个月前 (02-11) 99 -
零基础写python爬虫之神器正则表达式
接下来准备用糗百做一个爬虫的小例子。但是在这之前,先详细的整理一下Python中的正则表达式的相关内容。正则表达式在Py...
Python
2个月前 (02-11) 111 -
零基础写python爬虫之抓取百度贴吧代码分享
这里就不给大家废话了,直接上代码,代码的解释都在注释里面,看不懂的也别来问我,好好学学基础知识去! 代码如下:# -*-...
Python
2个月前 (02-11) 98
最新文章
- 微信三级分销系统产品详情页怎么开发? 3周前 (03-13)
- 微信公众号-获取用户信息(网页授权获取)实现步骤 3周前 (03-13)
- php微信公众号开发(2)百度BAE搭建和数据库使用 3周前 (03-13)
- php微信公众号开发(3)php实现简单微信文本通讯 3周前 (03-13)
- php微信公众号开发(4)php实现自定义关键字回复 3周前 (03-13)
- php版微信小店调用api示例代码 3周前 (03-13)
- php版微信小店API二次开发及使用示例 3周前 (03-13)
- C# 微信公众号开发--准备工作 3周前 (03-13)
- C#微信公众号开发--微信事件交互 3周前 (03-13)
- C#微信公众号开发--网页授权(oauth2.0)获取用户基本信息一 3周前 (03-13)