python第三方库chardet字符编码检测和乱码处理
在抓取网页的时候,经常会发现网页的东西能够正常的显示,但是用python抓下来以后,打印出来或者保存到数据库的时候出现了乱码。这是因为网页中的编码形式并不是python所默认的utf8编码,这时候如果能知道网页中具体的编码,在进行相应的转换就能得到正常的字符编码。
在探测网页编码,我们可以使用chardet
。具体的用法如下:
安装
github的地址在:
https://github.com/chardet/chardet
安装方式:
pip install chardet
探测编码形式
在抓取数据以后,直接使用 chardet
import urllib
rawdata = urllib.urlopen('http://tech.163.com/special/00097UHL/tech_datalist.js').read()
import chardet
print chardet.detect(rawdata)
结果如下:
{'confidence': 0.99, 'language': 'Chinese', 'encoding': 'GB2312'}
转码
通过 chardet 探测出,网页的字符编码为GB2312编码,通过unicode转化为utf8编码:
str_body = unicode(rawdata, "gb2312").encode("utf8")
把字符编码转换为utf8,能够避免很多不必要的麻烦。
这篇好文章是转载于:学新通技术网
- 版权申明: 本站部分内容来自互联网,仅供学习及演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,请提供相关证据及您的身份证明,我们将在收到邮件后48小时内删除。
- 本站站名: 学新通技术网
- 本文地址: /boutique/detail/tanhgfgcjj
系列文章
更多
同类精品
更多
-
photoshop保存的图片太大微信发不了怎么办
PHP中文网 06-15 -
Android 11 保存文件到外部存储,并分享文件
Luke 10-12 -
word里面弄一个表格后上面的标题会跑到下面怎么办
PHP中文网 06-20 -
《学习通》视频自动暂停处理方法
HelloWorld317 07-05 -
photoshop扩展功能面板显示灰色怎么办
PHP中文网 06-14 -
微信公众号没有声音提示怎么办
PHP中文网 03-31 -
excel下划线不显示怎么办
PHP中文网 06-23 -
excel打印预览压线压字怎么办
PHP中文网 06-22 -
怎样阻止微信小程序自动打开
PHP中文网 06-13 -
TikTok加速器哪个好免费的TK加速器推荐
TK小达人 10-01