Unjx. 2021-07-18 07:47 采纳率: 84.6%
浏览 48
已采纳

Python中的解码问题


#encoding='gbk'
import requests
import re

url='https://mp.weixin.qq.com/s/1hdWEusrm0MJZexxC_OSaw'
head={"User-Agent": "Mozilla/5.0 "}

def get_text(response):
    # 优先使用 chardet 预测的 encoding, 其次使用 http header 提供的 encoding
    source_encoding = response.apparent_encoding or response.encoding
    if source_encoding is None:
        # 说明是二进制文件
        raise Exception
    elif source_encoding == 'GB2312':
        source_encoding = 'GBK'
    return response.content.decode(source_encoding, errors="ignore")

response=requests.get(url,headers=head)
html=get_text(response)
with open('E:/Python文件/爬虫/高一新教材/html.txt','w',encoding='GBK') as f:
    f.write(html)

pattern = re.compile(r'data-src="(.*)"', flags=re.S)
image_url=pattern.findall(str(response.content.decode('gbk')))
print(str(image_url))

上面是我的代码,应该有很多的错误,还请指出
这是我要爬的网址:https://mp.weixin.qq.com/s/1hdWEusrm0MJZexxC_OSaw
如果有更好的方案,还请给出

  • 写回答

1条回答 默认 最新

  • 全栈极简 博客专家认证 2021-07-18 07:59
    关注

    用utf8替换gbk

    本回答被题主选为最佳回答 , 对您是否有帮助呢?
    评论
    Unjx. 2021-07-18 09:13

    行不通

    回复
    全栈极简 回复 Unjx. 2021-07-18 09:26

    我用你的代码改成utf8测试通过的,行不通把你的问题描述出来

    回复
编辑
预览

报告相同问题?

问题事件

  • 已采纳回答 7月18日
  • 创建了问题 7月18日

悬赏问题

  • ¥100 二维码被拦截如何处理
  • ¥15 怎么解决LogIn.vue中多出来的div
  • ¥15 优博讯dt50巴枪怎么提取镜像
  • ¥30 在CodBlock上用c++语言运行
  • ¥15 求C6748 IIC EEPROM程序固化烧写算法
  • ¥50 关于#php#的问题,请各位专家解答!
  • ¥15 python 3.8.0版本,安装官方库ibm_db遇到问题,提示找不到ibm_db模块。如何解决?
  • ¥15 TMUXHS4412如何防止静电,
  • ¥30 Metashape软件中如何将建模后的图像中的植被与庄稼点云删除
  • ¥20 机械振动学课后习题求解答
手机看
程序员都在用的中文IT技术交流社区

程序员都在用的中文IT技术交流社区

专业的中文 IT 技术社区,与千万技术人共成长

专业的中文 IT 技术社区,与千万技术人共成长

关注【CSDN】视频号,行业资讯、技术分享精彩不断,直播好礼送不停!

关注【CSDN】视频号,行业资讯、技术分享精彩不断,直播好礼送不停!

客服 返回
顶部