[[428525]]

大家好，我是Python進(jìn)階者。前幾天給大家分享了一些亂碼問(wèn)題的文章，感興趣的小伙伴可以前往：UnicodeEncodeError: 'gbk' codec can't encode character解決方法，這里再次給大家祭出網(wǎng)絡(luò)爬蟲過(guò)程中三種中文亂碼的處理方案，希望對(duì)大家的學(xué)習(xí)有所幫助。

前言

前幾天有個(gè)粉絲在Python交流群里問(wèn)了一道關(guān)于使用Python網(wǎng)絡(luò)爬蟲過(guò)程中中文亂碼的問(wèn)題，如下圖所示。

看上去確實(shí)頭大，對(duì)于爬蟲初學(xué)者來(lái)說(shuō)，這個(gè)亂碼擺在自己面前，猶如攔路虎一般難頂。不過(guò)別慌，小編在這里給大家整理了三種方法，專門用于針對(duì)中文亂碼的，希望大家在后面再次遇到中文亂碼的問(wèn)題，在此處可以得到靈感!

一、思路

其實(shí)解決問(wèn)題的關(guān)鍵點(diǎn)就是在于一點(diǎn)，就是將亂碼的部分進(jìn)行處理，而處理的方案主要可以從兩個(gè)方面進(jìn)行出發(fā)。其一是針對(duì)整體網(wǎng)頁(yè)進(jìn)行提前編碼，其二是針對(duì)局部具體中文亂碼的部分進(jìn)行編碼處理。這里例舉3種方法，肯定還有其他的方法的，也歡迎大家在評(píng)論區(qū)諫言。

二、分析

其實(shí)關(guān)于中文亂碼的表現(xiàn)形式有很多，但是常見的兩種如下：

1、當(dāng)出現(xiàn)網(wǎng)頁(yè)編碼為gbk，獲取到的內(nèi)容在控制臺(tái)打印類似如下情況的時(shí)候：

ÃÀÅ® µçÄÔ×À ¼üÅÌ »ú·¿ ¿É°® Ð¡½ã½ã4k±ÚÖ½ 

2、當(dāng)出現(xiàn)網(wǎng)頁(yè)編碼為gbk，獲取到的內(nèi)容在控制臺(tái)打印類似如下情況的時(shí)候：

�װŮ�� ��Ů ˮ СϪ Ψ�� 

雖然看上去控制臺(tái)輸出正常，沒(méi)有報(bào)錯(cuò)：

Process finished with exit code 0 

但是輸出的中文內(nèi)容，卻不是普通人能看得懂的。

這種情況下的話，就可以通過(guò)使用本文給出的三種方法進(jìn)行解決，屢試不爽!

三、具體實(shí)現(xiàn)

1)方法一：將requests.get().text改為requests.get().content 我們可以看到通過(guò)text()方法獲取到的源碼，之后進(jìn)行打印輸出的話，確實(shí)是會(huì)存在亂碼的，如下圖所示。

此時(shí)可以考慮將請(qǐng)求變?yōu)?content，得到的內(nèi)容就是正常的了。

2)方法二：手動(dòng)指定網(wǎng)頁(yè)編碼

# 手動(dòng)設(shè)定響應(yīng)數(shù)據(jù)的編碼格式 
response.encoding = response.apparent_encoding 

這個(gè)方法稍微復(fù)雜一些，但是比較好理解，對(duì)于初學(xué)者來(lái)說(shuō)，還是比較好接受的。

如果覺(jué)得上面的方法很難記住，或者你可以嘗試直接指定gbk編碼也可以進(jìn)行處理，如下圖所示：

上面介紹的兩種方法都是針對(duì)網(wǎng)頁(yè)進(jìn)行整體編碼，效果顯著，接下來(lái)的第三種方法就是針對(duì)中文局部亂碼部分使用通用編碼方法進(jìn)行處理。

3)方法三：使用通用的編碼方法

img_name.encode('iso-8859-1').decode('gbk') 

使用通用的編碼方法，對(duì)中文出現(xiàn)亂碼的地方進(jìn)行編碼設(shè)定即可。還是當(dāng)前的這個(gè)例子，針對(duì)img_name進(jìn)行編碼設(shè)定，指定編碼并進(jìn)行解碼，如下圖所示。

如此一來(lái)，中文亂碼的問(wèn)題就迎刃而解了。

四、總結(jié)

我是Python進(jìn)階者。本文基于粉絲提問(wèn)，針對(duì)Python網(wǎng)絡(luò)爬蟲過(guò)程中的中文亂碼問(wèn)題，給出了3種亂碼解決方法，順利幫助粉絲解決了問(wèn)題。