求助！python爬虫 re.findall匹配中文出错

2016-12-13 08:40:12 447 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

正则表达式爬虫实战：抓取豆瓣电影Top250 1. 技术栈回顾：本案例结合 requests 实现网络请求， re 正则解析HTML，最终将数据落地到CSV文件，覆盖爬虫入门三大核心流程：请求 → 解析 → 存储。2. 正则核心要点： .*?非贪婪匹配、 (?P) 命名分组、 re.S 跨行匹配，这三个语法是HTML正则解析的基石。3. 爬虫规范：伪装 User-Agent 、添加延时、异常捕获、主动释放资源，是编写稳健爬虫的基本准则。。阅读详情

class Spider(object):
def Get(cls,url,pattern):
info = requests.get(url).content
result = re.findall(pattern,info)

for i in result:
print i
return result

MySpider =Spider()
result = MySpider.Get('http://www.xiachufang.com/',u"<a href=\"(.*?)title=\"(.*?)\" .*><span")

print info 可以正常显示中文
可是result中文都显示成了\xe4\xb8\x80\xe7\xa2\x97\xe7\xba\xa2\xe8\xb1\x86\xe6\xb2\x99
研究一天了，头都痛

...全文

Python网络爬虫实战：从抓包到解析的完整学习路径网络爬虫（Web Crawler）是自动提取公开网页数据的程序，其核心基于HTTP请求与响应原理。在数据采集领域，Python凭借简洁语法和丰富的库生态，成为实现爬虫的首选语言。通过requests库构造请求、利用BeautifulSoup或XPath高效解析HTML，开发者能快速从结构化页面中提取信息。然而实际工程中常遭遇反爬机制、请求频率限制、IP封禁等挑战，需结合抓包工具分析真实请求，合理运用代理池并遵循合规边界。本文系统梳理爬虫学习路径，涵盖抓包原理、三种主流解析方式、反爬应对与工程化实践，并通过本阅读详情

ArialYeahh

脚本语言 37,738 成员 34,208 内容

+ 关注 + 加入社区

求助！python爬虫 re.findall匹配中文出错

相关推荐