使用Python做爬虫时出现中文乱码

源代码如下:
import urllib.request

url=“http://www.txtbook.com.cn/”
resp=urllib.request.urlopen(url)

with open(‘mybaidu.html’,mode=‘w’) as f:
f.write(resp.read().decode(‘utf-8’))
网上普遍的说法是需要检查其编码方式,isinstance()来检查url是否为unicode编码,若是,则转化为utf-8编码,否则不变。查看了该网址的源代码( )发现没有问题。会不会是这个网站的反爬设置?跟换个网站试一试。
url=“https://chengdu.chashebao.com/yanglao/19077.html”
改了网站,在浏览器可以正常显示中文。但是‘https’很显然比‘http’的更安全。不可能‘https’的反爬还差。于是做了这样的测试:
import urllib.request

      url="http://www.txtbook.com.cn/"
      resp=urllib.request.urlopen(url)

      print(resp.read().decode('utf-8'))


      发现中文可以正常显示。那么‘open’使用有问题。或者说是写入文件时有问题。

修改为:
import urllib.request

url=“http://www.txtbook.com.cn/”
resp=urllib.request.urlopen(url)

with open(‘mybaidu.html’,mode=‘w’, encoding=“utf-8”) as f:
f.write(resp.read().decode(‘utf-8’))
print(‘over!’)
可以正常显示中文了。

上一篇:Python urllib库的基本使用


下一篇:ICPC 2018 徐州赛区网络赛