玩蛇网提供最新Python编程技术信息以及Python资源下载!

python3网页爬虫字节流编码问题

正在做网页爬虫,得到许多注入下列变量code的字符,想尝试将他们转换为utf-8的string输出到文件里,转换不成功,问题如下。

#Python 3.4.0
#coding:utf-8
import os

code = '\xe8\xb1\x86\xe7\x93\xa3'

bytes = code.encode(encoding='utf-8')

douban = str(bytes.decode('utf-8'))

#print(str(bytes.decode('utf-8')))

file_object = open('test.txt', 'w')
file_object.write(douban)
file_object.close()

lz爬的是豆瓣吗?豆瓣用的就是utf-8

<meta charset="UTF-8">

我原来也爬过,豆瓣用的是UTF-8 根本也不用转啊

本人用的2.7

已经是utf-8了编码一次又解码一次做了跟没做有什么区别?

#coding:utf-8
import os

code = b'\xe8\xb1\x86\xe7\x93\xa3'
code = code.decode('utf-8')
file_object = open('test.txt', 'w', encoding="utf-8")
file_object.write(code)
file_object.close()

首先,我觉得你需要认识这么几个概念:
1. unicode:在本文中表示用4byte表示的unicode编码,也是python内部使用的字符串编码方式。
2. utf-8:在本文中只最少1byte表示的unicode编码方式。

其次,你需要知道decode和encode之间的关系。

可以看出,在python中,所有格式的中间编码方式就是unicode,需要从编码A转换为编码B,只需要string.decode("A").encode("B")就可以了。

有了上面的知识储备再回到你的问题。

你的code = '\xe8\xb1\x86\xe7\x93\xa3'根据我的经验看起来就是utf-8的编码方式(因为我看到的utf-8编码都是\xFF这种样式,但是我不确定这两者之间的绝对关系),所以这块应该使用u_code = code.decode("utf-8")来使得code解码为unicode,再将其编码为你需要的编码方式(例如gb18030)。

而,你的需求中写到,你希望写入文件的是utf-8的编码格式,所以你可以直接file_object.write(code)。这样你文件中的内容就是utf-8编码的。

如果你拿到一个字符串,你不知道他的编码方式,可以试试chardet,他会给出字符串的编码格式,和信赖度。可以作为你的参考。

文中有任何问题请联系我,欢迎指出问题。

玩蛇网文章,转载请注明出处和文章网址:https://www.iplaypy.com/wenda/wd19735.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05月23日 - 17时33分58秒 发布自玩蛇网

您现在的位置: 玩蛇网首页 > Python问题解答 > 正文内容
我要分享到:

必知PYTHON教程 Must Know PYTHON Tutorials

必知PYTHON模块 Must Know PYTHON Modules