在輸出內(nèi)容時，出現(xiàn)如下圖的情況：

解決爬蟲中文亂碼的步驟 網(wǎng)址編碼為gbk

查看網(wǎng)頁源代碼的head部分的編碼：
<meta http-equiv="Content-Type" content="text/html; charset=gb2312">，發(fā)現(xiàn)網(wǎng)頁編碼為gbk類型

利用requests庫的方法查看默認(rèn)輸出的編碼類型

import requestsurl = 'https://chengdu.chashebao.com/yanglao/19077.html'response = requests.get(url) print(response.encoding)

輸出結(jié)果為編碼ISO-8859-1，并不是原網(wǎng)頁的編碼類型。

? ? 3. 利用requests庫改變輸出結(jié)果的編碼

import requestsurl = 'https://chengdu.chashebao.com/yanglao/19077.html'response = requests.get(url) response.encoding = 'gbk' print(response.encoding)

輸出結(jié)果為編碼gbk，與原網(wǎng)頁保持一致。

基于以上三個步驟，即可解決爬蟲中文亂碼問題。

代碼

import requestsdef get_html(url):try:response = requests.get(url)response.encoding = 'gbk' # 改變編碼print(response.encoding)html = response.textreturn htmlexcept:print('請求網(wǎng)址出錯')url = 'https://chengdu.chashebao.com/yanglao/19077.html' html = get_html(url) print(html)

效果展示如下圖所示：

解決爬蟲中文亂碼的步驟 網(wǎng)址編碼為utf-8

對于有些網(wǎng)頁編碼為utf-8的網(wǎng)址，輸出事發(fā)現(xiàn)中文為亂碼，此時我們需要進(jìn)行兩次重編碼。

response = requests.get(url, headers=headers) response.encoding = 'GBK' response.encoding = 'utf-8'

解決爬蟲中文亂碼的步驟 網(wǎng)址編碼為gb2312

response.encoding = 'GBK'

?

總結(jié)

以上是生活随笔為你收集整理的Python爬虫中文乱码问题（爬虫乱码）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。