盘点3种Python网络爬虫过程中的中文乱码的处理方法
off999 2024-10-23 12:48 20 浏览 0 评论
大家好，我是Python进阶者。前几天给大家分享了一些乱码问题的文章，感兴趣的小伙伴可以前往：UnicodeEncodeError: 'gbk' codec can't encode character解决方法，这里再次给大家祭出网络爬虫过程中三种中文乱码的处理方案，希望对大家的学习有所帮助。
前言
前几天有个粉丝在Python交流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。
看上去确实头大，对于爬虫初学者来说，这个乱码摆在自己面前，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，专门用于针对中文乱码的，希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
其实解决问题的关键点就是在于一点，就是将乱码的部分进行处理，而处理的方案主要可以从两个方面进行出发。其一是针对整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，肯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形式有很多，但是常见的两种如下：
1、当出现网页编码为gbk，获取到的内容在控制台打印类似如下情况的时候：
?à?? μ???×à ?ü?ì ?ú·? ?é°? D?????4k±ú??2、当出现网页编码为gbk，获取到的内容在控制台打印类似如下情况的时候：
????? ??? ? С? Ψ??虽然看上去控制台输出正常，没有报错：
Process finished with exit code 0但是输出的中文内容，却不是普通人能看得懂的。
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解决，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()方法获取到的源码，之后进行打印输出的话，确实是会存在乱码的，如下图所示。
此时可以考虑将请求变为.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这个方法稍微复杂一些，但是比较好理解，对于初学者来说，还是比较好接受的。
如果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：
上面介绍的两种方法都是针对网页进行整体编码，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，对中文出现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种乱码解决方法，顺利帮助粉丝解决了问题。虽然文中例举了3种方法，但是小编相信肯定还有其他的方法的，也欢迎大家在评论区谏言。
相关推荐
- 面试官:来，讲一下枚举类型在开发时中实际应用场景!
-
一.基本介绍枚举是JDK1.5新增的数据类型，使用枚举我们可以很好的描述一些特定的业务场景，比如一年中的春、夏、秋、冬，还有每周的周一到周天，还有各种颜色，以及可以用它来描述一些状态信息，比如错...
- 一日一技:11个基本Python技巧和窍门
-
1.两个数字的交换.x,y=10,20print(x,y)x,y=y,xprint(x,y)输出：102020102.Python字符串取反a="Ge...
- Python Enum 技巧，让代码更简洁、更安全、更易维护
-
如果你是一名Python开发人员，你很可能使用过enum.Enum来创建可读性和可维护性代码。今天发现一个强大的技巧，可以让Enum的境界更进一层，这个技巧不仅能提高可读性，还能以最小的代价增...
- Python元组编程指导教程（python元组的概念）
-
1.元组基础概念1.1什么是元组元组(Tuple)是Python中一种不可变的序列类型，用于存储多个有序的元素。元组与列表(list)类似，但元组一旦创建就不能修改(不可变)，这使得元组在某些场景...
- 你可能不知道的实用 Python 功能（python有哪些用）
-
1.超越文件处理的内容管理器大多数开发人员都熟悉使用with语句进行文件操作：withopen('file.txt','r')asfile:co...
- Python 2至3.13新特性总结（python 3.10新特性）
-
以下是Python2到Python3.13的主要新特性总结，按版本分类整理：Python2到Python3的重大变化Python3是一个不向后兼容的版本，主要改进包括：pri...
- Python中for循环访问索引值的方法
-
技术背景在Python编程中，我们经常需要在循环中访问元素的索引值。例如，在处理列表、元组等可迭代对象时，除了要获取元素本身，还需要知道元素的位置。Python提供了多种方式来实现这一需求，下面将详细...
- Python enumerate核心应用解析:索引遍历的高效实践方案
-
喜欢的条友记得关注、点赞、转发、收藏，你们的支持就是我最大的动力源泉。根据GitHub代码分析统计，使用enumerate替代range(len())写法可减少38%的索引错误概率。本文通过12个生产...
- Python入门到脱坑经典案例—列表去重
-
列表去重是Python编程中常见的操作，下面我将介绍多种实现列表去重的方法，从基础到进阶，帮助初学者全面掌握这一技能。方法一：使用集合(set)去重（最简单）pythondefremove_dupl...
- Python枚举类工程实践:常量管理的标准化解决方案
-
本文通过7个生产案例，系统解析枚举类在工程实践中的应用，覆盖状态管理、配置选项、错误代码等场景，适用于Web服务开发、自动化测试及系统集成领域。一、基础概念与语法演进1.1传统常量与枚举类对比#传...
- 让Python枚举更强大!教你玩转Enum扩展
-
为什么你需要关注Enum？在日常开发中，你是否经常遇到这样的代码？ifstatus==1:print("开始处理")elifstatus==2:pri...
- Python枚举(Enum)技巧，你值得了解
-
枚举（Enum）提供了更清晰、结构化的方式来定义常量。通过为枚举添加行为、自动分配值和存储额外数据，可以提升代码的可读性、可维护性，并与数据库结合使用时，使用字符串代替数字能简化调试和查询。Pytho...
- 78行Python代码帮你复现微信撤回消息!
-
来源：悟空智能科技本文约700字，建议阅读5分钟。本文基于python的微信开源库itchat，教你如何收集私聊撤回的信息。[导读]Python曾经对我说："时日不多，赶紧用Python"。于是看...
- 登录人人都是产品经理即可获得以下权益
-
文章介绍如何利用Cursor自动开发Playwright网页自动化脚本，实现从选题、写文、生图的全流程自动化，并将其打包成API供工作流调用，提高工作效率。虽然我前面文章介绍了很多AI工作流，但它们...
- Python常用小知识-第二弹（python常用方法总结）
-
一、Python中使用JsonPath提取字典中的值JsonPath是解析Json字符串用的，如果有一个多层嵌套的复杂字典，想要根据key和下标来批量提取value，这是比较困难的，使用jsonpat...
欢迎 你 发表评论:
- 一周热门
- 最近发表
- 标签列表
-
- python计时 (73)
- python安装路径 (56)
- python类型转换 (93)
- python自定义函数 (53)
- python进度条 (67)
- python吧 (67)
- python字典遍历 (54)
- python的for循环 (65)
- python格式化字符串 (61)
- python串口编程 (60)
- python读取文件夹下所有文件 (59)
- java调用python脚本 (56)
- python操作mysql数据库 (66)
- python字典增加键值对 (53)
- python获取列表的长度 (64)
- python接口 (63)
- python调用函数 (57)
- python人脸识别 (54)
- python多态 (60)
- python命令行参数 (53)
- python匿名函数 (59)
- python打印九九乘法表 (65)
- python赋值 (62)
- python异常 (69)
- python元祖 (57)