37,719
社区成员
发帖
与我相关
我的任务
分享python 抓取中文页面乱码问题咋解决
使用urllib2抓去新浪的页面回来的，在chrome上察看编码是gbk,所以decode('gbk')一下，print出来还是不行的。。。请问这是怎么回事情啊？？？？？？？？？？
...全文
请发表友善的回复…
发表回复
梦在waterloo 2014-07-28
- 打赏
- 举报
啥意思？
不过无所谓了，，本来是想预测个世界杯的，现在都结束了=。=[/quote]
...最后如何解决的？
33llng 2014-07-25
- 打赏
- 举报
试试看gb18030？
zwphumor 2014-07-25
- 打赏
- 举报
啥意思？
不过无所谓了，，本来是想预测个世界杯的，现在都结束了=。=
ImN1 2014-07-21
- 打赏
- 举报
decode("utf-8")试试
lsjfdjoijvtghu 2014-07-21
- 打赏
- 举报
用chardet 检测一下编码试试看
kui27 2014-07-18
- 打赏
- 举报
新浪的网页是压缩过的，貌似要用什么zip解压缩后才行。。
旅行帽 2014-07-16
- 打赏
- 举报
首先，查看网页的编码格式。然后，抓到数据后，查看数据的编码格式。再解码后重新编码。
有可能你抓到的其实不是乱码，只是你的 IDE显示的编码格式有问题，所以最好存到TXT里看下。
The_Third_Wave 2014-06-22
- 打赏
- 举报
叫你贴代码不愿意，编码问题不实践很难搞定。
zwphumor 2014-06-22
- 打赏
- 举报
如果什么都不加的话是这样：
<div><a target="_blank" href="http://sports.sina.com.cn/guest.html">¾º¼¼·ç±©Òâ¼û·´À¡ÁôÑÔ°å</a> <a target="_blank" href="mailto:sports2009@vip.sina.com">Ͷ¸åÐÅÏä</a> ¿Í·þÈÈÏߣº95105670 »¶ÓÅúÆÀÖ¸Õý<br/>
zwphumor 2014-06-22
- 打赏
- 举报
decode('gbk')会这种显示：
<div><a target="_blank" href="http://sports.sina.com.cn/guest.html">戮潞录录路莽卤漏脪芒录没路麓脌隆脕么脩脭掳氓</a> <a target="_blank" href="mailto:sports2009@vip.sina.com">脥露赂氓脨脜脧盲</a> 驴脥路镁脠脠脧脽拢潞95105670 禄露脫颅脜煤脝脌脰赂脮媒<br/>
zwphumor 2014-06-22
- 打赏
- 举报
UnicodeEncodeError: 'gbk' codec can't encode character u'\xca' in position 251: illegal multibyte sequence
The_Third_Wave 2014-06-22
- 打赏
- 举报
content.encode('GBK')
zwphumor 2014-06-22
- 打赏
- 举报
代码就是提交ｇｅｔ请求后获取到content,然后正则匹配一下，直接print content.decode('gbk').encode('utf8')
zwphumor 2014-06-22
- 打赏
- 举报
这句话加上了。。
The_Third_Wave 2014-06-22
- 打赏
- 举报
# -*- coding: utf-8 -*-这句必须加，编码很坑的！
The_Third_Wave 2014-06-22
- 打赏
- 举报
贴代码！不贴怎么知道问题之所在
