亚洲在线久爱草,狠狠天天香蕉网,天天搞日日干久草,伊人亚洲日本欧美

為了賬號安全,請及時綁定郵箱和手機立即綁定
已解決430363個問題,去搜搜看,總會有你想問的

python:requests獲取網頁源碼的時候亂碼

python:requests獲取網頁源碼的時候亂碼

皈依舞 2019-04-16 20:27:51
defgetHtml(url,timeout=20):try:headers={'Accept-Language':'zh-cn','Content-Type':'application/x-www-form-urlencoded','User-Agent':'Mozilla/4.0(compatibleMSIE6.00WindowsNT5.1SV1)',}r=requests.get(url,headers=headers,timeout=timeout)html=r.textreturnhtmlexceptException,ex:returnNonesoup=BeautifulSoup(getHtml())printsoup.title以上代碼,如何改進,才能在獲取任何網頁標題的時候,不至于亂碼。注:提取部分網頁的標題的時候會直接亂碼顯示。如何改進,才能通用?
查看完整描述

2 回答

?
蝴蝶不菲

TA貢獻1810條經驗 獲得超4個贊

有個chardet用來檢測編碼的,如果安裝了,BeautifulSoup貌似會自動調用這個庫來檢測編碼并decode成unicode。
對了,上面是從網上看的。
總之拿到文件編碼就好辦了。
                            
查看完整回答
反對 回復 2019-04-16
?
慕哥9229398

TA貢獻1877條經驗 獲得超6個贊

查看一下網頁的編碼,比如是gbk的話,就r.encoding='gbk'。一下內容摘自requests文檔
Requests會自動解碼來自服務器的內容。大多數unicode字符集都能被無縫地解碼。
請求發出后,Requests會基于HTTP頭部對響應的編碼作出有根據的推測。當你訪問r.text之時,Requests會使用其推測的文本編碼。你可以找出Requests使用了什么編碼,并且能夠使用r.encoding屬性來改變它:
r.encoding
'utf-8'
r.encoding='ISO-8859-1'
如果你改變了編碼,每當你訪問r.text,Request都將會使用r.encoding的新值。你可能希望在使用特殊邏輯計算出文本的編碼的情況下來修改編碼。比如HTTP和XML自身可以指定編碼。這樣的話,你應該使用r.content來找到編碼,然后設置r.encoding為相應的編碼。這樣就能使用正確的編碼解析r.text了。
                            
查看完整回答
反對 回復 2019-04-16
  • 2 回答
  • 0 關注
  • 543 瀏覽
慕課專欄
更多

添加回答

舉報

0/150
提交
取消
微信客服

購課補貼
聯系客服咨詢優惠詳情

幫助反饋 APP下載

慕課網APP
您的移動學習伙伴

公眾號

掃描二維碼
關注慕課網微信公眾號