快捷導(dǎo)航

詳解Python解決抓取內(nèi)容亂碼問題（decode和encode解碼）

更新時(shí)間：2019年03月29日 17:11:51 作者：淺然_

這篇文章主要介紹了Python解決抓取內(nèi)容亂碼問題（decode和encode解碼），文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

一、亂碼問題描述

經(jīng)常在爬蟲或者一些操作的時(shí)候，經(jīng)常會出現(xiàn)中文亂碼等問題，如下

原因是源網(wǎng)頁編碼和爬取下來后的編碼格式不一致

二、利用encode與decode解決亂碼問題

字符串在Python內(nèi)部的表示是unicode編碼，在做編碼轉(zhuǎn)換時(shí)，通常需要以unicode作為中間編碼，即先將其他編碼的字符串解碼（decode）成unicode，再從unicode編碼（encode）成另一種編碼。

decode的作用是將其他編碼的字符串轉(zhuǎn)換成unicode編碼，如str1.decode(‘gb2312')，表示將gb2312編碼的字符串str1轉(zhuǎn)換成unicode編碼。

encode的作用是將unicode編碼轉(zhuǎn)換成其他編碼的字符串，如str2.encode(‘utf-8')，表示將unicode編碼的字符串str2轉(zhuǎn)換成utf-8編碼。

decode中寫的就是想抓取的網(wǎng)頁的編碼，encode即自己想設(shè)置的編碼

代碼如下

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# author: xulinjie time:2017/10/22
import urllib2

request=urllib2.Request(r'http://nhxy.zjxu.edu.cn/')
RES=urllib2.urlopen(request).read()
RES = RES.decode('gb2312').encode('utf-8')//解決亂碼
wfile=open(r'./1.html',r'wb')
wfile.write(RES)
wfile.close()
print RES

或者

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# author: xulinjie time:2017/10/22
import urllib2

request=urllib2.Request(r'http://nhxy.zjxu.edu.cn/')
RES=urllib2.urlopen(request).read()
RES=RES.decode('gb2312')
RES=RES.encode('utf-8')
wfile=open(r'./1.html',r'wb')
wfile.write(RES)
wfile.close()
print RES

但是還要注意：
如果一個字符串已經(jīng)是unicode了，再進(jìn)行解碼則將出錯，因此通常要對其編碼方式是否為unicode進(jìn)行判斷

isinstance(s, unicode)#用來判斷是否為unicode

用非unicode編碼形式的str來encode會報(bào)錯

所以最終可靠代碼：

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# author: xulinjie time:2017/10/22
import urllib2

request=urllib2.Request(r'http://nhxy.zjxu.edu.cn/')
RES=urllib2.urlopen(request).read()

if isinstance(RES, unicode):
 RES=RES.encode('utf-8')
else:
 RES=RES.decode('gb2312').encode('utf-8')

wfile=open(r'./1.html',r'wb')
wfile.write(RES)
wfile.close()
print RES