玩蛇网提供最新Python编程技术信息以及Python资源下载!
您现在的位置: 玩蛇网首页 > Python问题解答 > 正文内容

Python requests获取网页标题源码出现乱码如何改

def getHtml(url,timeout=20):
    try:
        headers = {
            'Accept-Language': 'zh-cn',
            'Content-Type': 'application/x-www-form-urlencoded',
            'User-Agent': 'Mozilla/4.0 (compatible MSIE 6.00 Windows NT 5.1 SV1)',
        }
        r = requests.get(url,headers=headers,timeout=timeout)
        html = r.text
        return html
    except Exception,ex:
        return None
soup = BeautifulSoup(getHtml())
print soup.title

以上代码,如何改进,才能在获取任何网页标题的时候,不至于乱码。
注:提取部分网页的标题的时候会直接乱码显示。如何改进,才能通用?

参考一下这个头文件

,试试

通用比較困難,有些不給編碼又使用奇怪編碼的網頁很難確定用的什麼。

不過只要知道網頁的編碼,在讀取的時候選區合適的解碼器就好了。

查看一下网页的编码,比如是gbk的话,就r.encoding='gbk'。一下内容摘自requests文档

Requests会自动解码来自服务器的内容。大多数unicode字符集都能被无缝地解码。

请求发出后,Requests会基于HTTP头部对响应的编码作出有根据的推测。当你访问 r.text 之时,Requests会使用其推测的文本编码。你可以找出Requests使用了什么编码,并且能够使用 r.encoding 属性来改变它:

先看看是不是编码问题,如果不是的话,建议再看看是不是gzip加密了,如果是的话需要解密,Python有自带的gzip库,
import gzip

g = gzip.open(path, 'rb')
然后对象g就能当普通文件对象进行操作了(虽然type不是'file')

有个 chardet 用来检测编码的,如果安装了,BeautifulSoup 貌似会自动调用这个库来检测编码并 decode 成 unicode。

对了,上面是从网上看的。

总之拿到文件编码就好办了。

with open('r.txt','w',encoding='utf-8') as ff:
ff.write(r.text)

玩蛇网文章,转载请注明出处和文章网址:http://www.iplaypy.com/wenda/wd19054.html

相关文章 Recommend

玩蛇网Python互助QQ群,欢迎加入-->: 106381465 玩蛇网Python新手群
修订日期:2017年06月01日 - 15时05分49秒 发布自玩蛇网

我要分享到:

必知PYTHON教程 Must Know PYTHON Tutorials

必知PYTHON模块 Must Know PYTHON Modules