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