首页 > 代码库 > python3获取中文网页乱码的问题
python3获取中文网页乱码的问题
在python3中读取网页的时候，会有乱码的问题，如果直接打开，会有错误
Traceback (most recent call last): File "E:/Source_Code/python34/HTMLParser_in_3.py", line 81, in <module> context = f.read()UnicodeDecodeError: ‘gbk‘ codec can‘t decode byte 0xad in position 175: illegal multibyte sequence
然后发现用二进制方式打开（‘rb‘），就没有问题，但是处理的时候，就会bytes类型和str类型不兼容的错误，直接强类型转换，后续处理的时候又会获取不到任何东西。
在python3中的str的decode方法，做了改变，因为python3中全部用Unicode编码，str取消了decode方法。
上网查了相关资料，发现，二进制打开后，对于得到的bytes类型有decode方法可以转换为可处理的str。
/tmp/ python3Python 3.2.3 (default, Feb 20 2013, 14:44:27) [GCC 4.7.2] on linux2Type "help", "copyright", "credits" or "license" for more information.>>> f1 = open("unicode.txt", ‘r‘).read()>>> print(f1)寒冷>>> f2 = open("unicode.txt", ‘rb‘).read() #二进制方式打开>>> print(f2)b‘\xe5\xaf\x92\xe5\x86\xb7\n‘>>> f2.decode()‘寒冷\n‘>>> f1.decode()Traceback (most recent call last): File "<stdin>", line 1, in <module>AttributeError: ‘str‘ object has no attribute ‘decode‘>>>
python3获取中文网页乱码的问题
声明：以上内容来自用户投稿及互联网公开渠道收集整理发布，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任，若内容有误或涉及侵权可进行投诉： 投诉/举报 工作人员会在5个工作日内联系你，一经查实，本站将立刻删除涉嫌侵权内容。