盤點(diǎn)3種Python網(wǎng)絡(luò)爬蟲過程中的中文亂碼的處理方法
回復(fù)“書籍”即可獲贈(zèng)Python從入門到進(jìn)階共10本電子書
????大家好，我是Python進(jìn)階者。前幾天給大家分享了一些亂碼問題的文章，感興趣的小伙伴可以前往：UnicodeEncodeError: 'gbk' codec can't encode character解決方法，這里再次給大家祭出網(wǎng)絡(luò)爬蟲過程中三種中文亂碼的處理方案，希望對(duì)大家的學(xué)習(xí)有所幫助。
前言
????前幾天有個(gè)粉絲在Python交流群里問了一道關(guān)于使用Python網(wǎng)絡(luò)爬蟲過程中中文亂碼的問題，如下圖所示。
????看上去確實(shí)頭大，對(duì)于爬蟲初學(xué)者來說，這個(gè)亂碼擺在自己面前，猶如攔路虎一般難頂。不過別慌，小編在這里給大家整理了三種方法，專門用于針對(duì)中文亂碼的，希望大家在后面再次遇到中文亂碼的問題，在此處可以得到靈感！
一、思路
????其實(shí)解決問題的關(guān)鍵點(diǎn)就是在于一點(diǎn)，就是將亂碼的部分進(jìn)行處理，而處理的方案主要可以從兩個(gè)方面進(jìn)行出發(fā)。其一是針對(duì)整體網(wǎng)頁進(jìn)行提前編碼，其二是針對(duì)局部具體中文亂碼的部分進(jìn)行編碼處理。這里例舉3種方法，肯定還有其他的方法的，也歡迎大家在評(píng)論區(qū)諫言。
二、分析
????其實(shí)關(guān)于中文亂碼的表現(xiàn)形式有很多，但是常見的兩種如下：
1、當(dāng)出現(xiàn)網(wǎng)頁編碼為gbk，獲取到的內(nèi)容在控制臺(tái)打印類似如下情況的時(shí)候：
?à?? μ???×à ?ü?ì ?ú·? ?é°? D?????4k±ú??2、當(dāng)出現(xiàn)網(wǎng)頁編碼為gbk，獲取到的內(nèi)容在控制臺(tái)打印類似如下情況的時(shí)候：
????? ??? ? С? Ψ??????雖然看上去控制臺(tái)輸出正常，沒有報(bào)錯(cuò)：
Process finished with exit code 0????但是輸出的中文內(nèi)容，卻不是普通人能看得懂的。
????這種情況下的話，就可以通過使用本文給出的三種方法進(jìn)行解決，屢試不爽！
三、具體實(shí)現(xiàn)
? ? 此時(shí)可以考慮將請(qǐng)求變?yōu)?content，得到的內(nèi)容就是正常的了。
# 手動(dòng)設(shè)定響應(yīng)數(shù)據(jù)的編碼格式response.encoding?=?response.apparent_encoding
????上面介紹的兩種方法都是針對(duì)網(wǎng)頁進(jìn)行整體編碼，效果顯著，接下來的第三種方法就是針對(duì)中文局部亂碼部分使用通用編碼方法進(jìn)行處理。
img_name.encode('iso-8859-1').decode('gbk')使用通用的編碼方法，對(duì)中文出現(xiàn)亂碼的地方進(jìn)行編碼設(shè)定即可。還是當(dāng)前的這個(gè)例子，針對(duì)img_name進(jìn)行編碼設(shè)定，指定編碼并進(jìn)行解碼，如下圖所示。
????如此一來，中文亂碼的問題就迎刃而解了。
四、總結(jié)
??? 我是Python進(jìn)階者。本文基于粉絲提問，針對(duì)Python網(wǎng)絡(luò)爬蟲過程中的中文亂碼問題，給出了3種亂碼解決方法，順利幫助粉絲解決了問題。雖然文中例舉了3種方法，但是小編相信肯定還有其他的方法的，也歡迎大家在評(píng)論區(qū)諫言。
????小伙伴們，快快用實(shí)踐一下吧！如果在學(xué)習(xí)過程中，有遇到任何問題，歡迎加我好友，我拉你進(jìn)Python學(xué)習(xí)交流群共同探討學(xué)習(xí)。
-------------------?End?-------------------
往期精彩文章推薦：
歡迎大家點(diǎn)贊，留言，轉(zhuǎn)發(fā)，轉(zhuǎn)載，感謝大家的相伴與支持
想加入Python學(xué)習(xí)群請(qǐng)?jiān)诤笈_(tái)回復(fù)【入群】
萬水千山總是情，點(diǎn)個(gè)【在看】行不行
/今日留言主題/
隨便說一兩句吧~~