盘点种Python网络爬虫过程中的中文乱码的处理方法.docxVIP

盘点3种Python网络爬虫过程中的中文乱码的处理方法 前言 ????前几天有个粉丝在Python沟通群里问了一道关于使用Python网络爬虫过程中中文乱码的问题，如下图所示。 ????看上去的确头大，对于爬虫初学者来说，这个乱码摆在本人面前，犹如拦路虎一般难顶。不过别慌，小编在这里给大家整理了三种方法，特地用于针对中文乱码的，期望大家在后面再次遇到中文乱码的问题，在此处可以得到灵感！ 一、思路 ????其实处理问题的关键点就是在于一点，就是将乱码的部分进行处理，而处理的方案次要可以从两个方面进举动身。其一是针对全体网页进行提前编码，其二是针对局部具体中文乱码的部分进行编码处理。这里例举3种方法，确定还有其他的方法的，也欢迎大家在评论区谏言。 二、分析 ????其实关于中文乱码的表现方式有很多，但是常见的两种如下： 1、当消灭网页编码为gbk，猎取到的内容在把握台打印类似如下情况的时候： ?à?? μ???×à ?ü?ì ?ú·? ?é°? D?????4k±ú?? 2、当消灭网页编码为gbk，猎取到的内容在把握台打印类似如下情况的时候： ????? ??? ? С? Ψ?? ????虽然看上去把握台输出正常，没有报错： Process finished with exit code 0 ????但是输出的中文内容，却不是一般人能看得懂的。 ????这种情况下的话，就可以通过使用本文给出的三种方法进行处理，屡试不爽！ 三、具体实现 1）方法一：将requests.get().text改为requests.get().content ????我们可以看到通过text()方法猎取到的源码，之后进行打印输出的话，的确是会存在乱码的，如下图所示。 ? ? 此时可以考虑将恳求变为.content，得到的内容就是正常的了。 2）方法二：手动指定网页编码 # 手动设定响应数据的编码格式 response.encoding?=?response.apparent_encoding ?????这个方法略微简单一些，但是比较好理解，对于初学者来说，还是比较好接受的。 ????假如觉得上面的方法很难记住，或者你可以尝试直接指定gbk编码也可以进行处理，如下图所示： ????上面引见的两种方法都是针对网页进行全体编码，效果显著，接下来的第三种方法就是针对中文局部乱码部分使用通用编码方法进行处理。 3）方法三：使用通用的编码方法 img_name.encode(iso-8859-1).decode(gbk) 使用通用的编码方法，对中文消灭乱码的地方进行编码设定即可。还是当前的这个例子，针对img_name进行编码设定，指定编码并进行解码，如下图所示。 ????如此一来，中文乱码的问题就迎刃而解了。 四、总结 ??? 我是Python进阶者。本文基于粉丝提问，针对Python网络爬虫过程中的中文乱码问题，给出了3种乱码处理方法，顺当挂念粉丝处理了问题。虽然文中例举了3种方法，但是小编信任确定还有其他的方法的，也欢迎大家在评论区谏言。 ????小伙伴们，快快用实践一下吧！假如在学习过程中，有遇到任何问题，欢迎加我好友，我拉你进Python学习沟通群共同探讨学习。 -----------