后端开发|Python教程
Python,BeautifulSoup,乱码
后端开发-Python教程
解决方法一:
使用python的BeautifulSoup来抓取网页然后输出网页标题,但是输出的总是乱码,找了好久找到解决办法,下面分享给大家
首先是代码
office完整源码,ubuntu自动重装网卡,如何用dos运行tomcat,爬虫族蛇类,php 开发的游戏,seo价格seo教程lzw
复制代码 代码如下:
简单免费影视源码,ubuntu18.4使用,网络爬虫要钱吗,插入php,培训seo课程lzw
from bs4 import BeautifulSoup
import urllib2
诱惑cpa 播放器 源码,vscode多行文本编辑,ss工具ubuntu,tomcat怎么开启jsp,爬虫 过滤 html,泰牛php框架,北京市360seo优化lzw
url = /
page = urllib2.urlopen(url)
soup = BeautifulSoup(page,from_encoding="utf8")
print soup.original_encoding
print (soup.title).encode(gb18030)
file = open("title.txt","w")
file.write(str(soup.title))
file.close()
for link in soup.find_all(a):
print link[href]
在刚开始测试的时候发现,虽然输出是乱码的,但是写在文件里面却是正常的.然后在网上找了找解决办法才发现
print一个对象的逻辑:内部是调用对象的__str__得到对应的字符串的,此处对应的是soup的__str__ 而针对于soup本身,其实已经是Unicode编码,所以可以通过指定__str__输出时的编码为GBK,以使得此处正确显示非乱码的中文
而对于cmd:(中文的系统中)编码为GBK,所以只要重新编码为gb18030就可以正常输出了
就是下面这行代码
复制代码 代码如下:
print (soup.title).encode(gb18030)
解决方法二:
BeautifulSoup在解析utf-8编码的网页时,如果不指定fromEncoding或者将fromEncoding指定为utf-8会出现中文乱码的现象。
解决此问题的方法是将Beautifulsoup构造函数中的fromEncoding参数的值指定为:gb18030
复制代码 代码如下:
import urllib2
from BeautifulSoup import BeautifulSoup
page = urllib2.urlopen(/);
soup = BeautifulSoup(page,fromEncoding="gb18030")
print soup.originalEncoding
print soup.prettify()
如果觉得《Python BeautifulSoup中文乱码问题的2种解决方法》对你有帮助,请点赞、收藏,并留下你的观点哦!