我明确的看了网站的编码是gb2312，并且有设置
parser.setEncoding("gb2312");
但是最后抛出这个异常
Exception in thread "main" java.lang.IllegalArgumentException
原因是我的url里面含有中文，不知道该怎么结局诶
htmlparser抓取url的时候，含有中文字符抛出异常
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
分享- 邀请回答
-
3条回答
Exploring1024 2016-02-17 00:40关注这个可能是htmlparser的弊端吧！还有好几种比较不错的解析html，比如Jsoup工具也不错
解决 无用评论 打赏举报 分享
- 2022-01-21 09:01回答 2 已采纳 import HTMLParser更换为from html.parser import HTMLParser参考： 问题解决：ModuleNotFoundError: N
- 2016-11-30 13:14回答 2 已采纳 原文字太小了，看不清 http://www.cnblogs.com/coding-hundredOfYears/archive/2012/12/15/2819217.html http://blo
- 2017-12-07 09:21回答 6 已采纳 def get_new_url(self): return len(self.new_urls) != 0 def has_new_url(self): new_url =
- 2014-09-02 11:56techlgwjda的博客 本文是简单的介绍htmlparser抓取的常用代码示例，具体详见：htmlparser下载包中的api文档。 下面理清一下Node节点与节点之间的关系及NodeFilter的全部实现类。 Interface Node |||All Known Subinterf
- 2011-12-22 20:33回答 3 已采纳 或者你换个思路 TagNode应该是有getChildren()的方法获得及标签节点，tagNode.getChildren(); 还有nextNode()方法获取相邻节点 你可以先获
- 2011-11-21 08:10回答 2 已采纳 [code="java"]import org.htmlparser.tags.CompositeTag; public class StrongTag extends Compos
- 2017-10-19 09:26回答 4 已采纳 你先搞个简单的 试试能不能用urlopen访问百度百科，一般大的网站都做了防爬处理。
- 2014-03-27 21:22一口井的博客 在线API文档：...htmlparser是个优秀的网页信息抓取工具， 下面理清一下Node节点与节点之间的关系及NodeFilter的全部实现类。 Interface Node |||All Known Subinterfaces: Remark（RemarkNode ）,
- 2008-11-06 12:21回答 5 已采纳 楼上的代码是正解，可以解决这个问题，但是返回的结果如果span元素还有parent元素的话就不正确了，当然前提是不知道要解析的html代码是什么样的，所以应该这样做： public String p
- 2010-02-22 18:25回答 1 已采纳 Parser parser = new Parser(currentURL); AndFilter filter = new
- 2011-11-17 20:13回答 6 已采纳 可能有些网页编码太差，你的java解析不了 爬虫应该对这类情况进行处理一下，以免出现一些问题，比如网页里没有外链，或者死循环吧，比如httpclient获取不到html页面也有可能，比如别GFW屏蔽
- 2020-07-18 18:00fan__lee的博客 要处理异常时，不要显示重新抛出异常，即不能重新抛出通过参数传递进来的异常，只需要将返回值设置为 False 就可以了。之后，上下文管理代码会检测是否 __exit__() 失败来处理异常 @contextmanager 编写__enter__和_...
- 2010-12-31 19:02回答 1 已采纳 [code="java"] import org.htmlparser.Node; import org.htmlparser.Parser; import org.htmlparser.fil
- 2014-06-23 17:28wilsonke的博客 中文论坛 . http://bbs.hexiao.cn/thread.php?fid=6 Constructor Summary Parser () Parser ( URLConnection connection) Construct a parser using the ...
- 2016-09-18 21:33后岔湾程序员的博客 android 开发--抓取网页解析网页内容的若干方法(网络爬虫)（正则表达式） 标签： android开发爬虫技术xml解析html解析 2015-09-11 21:35 836人阅读 评论(0) 收藏 举报 分类： android开发学习笔记
- 2017-05-26 16:51Levy_96的博客 抓取国家统计局区划、城乡...所谓简易，一方面是因为是单线程爬虫，不涉及python的多进程、多线程编程，另一方面是因为不包括“URL管理器”的模块（负责存储已爬取、未爬取的url序列，控制爬虫不多爬、不漏爬），而是
- 2023-09-25 16:37IT从业者张某某的博客 etree.fromstring(text, parser=None, base_url=None) 与etree.HTML()类似，但转换过程中，要求text字符串为标准的XML或HTML格式，否则会抛出异常。返回结果类型为’lxml.etree._Element’。 etree.parse(source, ...
- 2012-10-30 22:10weixin_30852451的博客 Htmlparser中文论坛. http://bbs.hexiao.cn/thread.php?fid=6 Constructor Summary Parser () Parser ( URLConnection connection) Construct a parser using the provided ...
- 2020-10-05 00:17jxxxh的博客 对于单个字符的编码，Python提供了ord()函数获取字符的整数表示，chr()函数把编码转换为对应的字符： >>> ord('A') 65 >>> ord('中') 20013 >>> chr(66) 'B' >>> chr(25991) ...
- 2018-03-27 11:13小洋人最happy的博客 之前介绍了通过正则和xpath来解析HTML文本，本篇将会介绍一种全新的方式BeautifulSoup来解析... 抓取方式 速度 使用难度 安装难度 正则 最快 困难 无(内置) xpath 快 简单 一般 BeautifulSoup ...
- 没有解决我的问题, 去提问
悬赏问题
- ¥50 导入文件到网吧的电脑并且在重启之后不会被恢复
- ¥15 （希望可以解决问题）ma和mb文件无法正常打开，打开后是空白，但是有正常内存占用，但可以在打开Maya应用程序后打开场景ma和mb格式。
- ¥20 ML307A在使用AT命令连接EMQX平台的MQTT时被拒绝
- ¥20 腾讯企业邮箱邮件可以恢复么
- ¥15 有人知道怎么将自己的迁移策略布到edgecloudsim上使用吗？
- ¥15 错误 LNK2001 无法解析的外部符号
- ¥50 安装pyaudiokits失败
- ¥15 计组这些题应该咋做呀
- ¥60 更换迈创SOL6M4AE卡的时候，驱动要重新装才能使用，怎么解决？
- ¥15 让node服务器有自动加载文件的功能