（已解决）'gbk' codec can't encode character '\u2022' in position 545262: illegal multibyte sequence

最新推荐文章于 2024-03-31 18:48:11 发布

fwpevil

最新推荐文章于 2024-03-31 18:48:11 发布

阅读量4.2w

点赞数 38

CC 4.0 BY-SA版权

分类专栏：问题

本文链接：https://blog.youkuaiyun.com/fwpevil/article/details/90751495

8 篇文章

订阅专栏

本文探讨了在使用Python进行网页爬取时遇到的UnicodeEncodeError错误，详细分析了问题根源在于系统默认编码与目标文件编码不匹配。通过调整文件写入时的编码设置，成功解决了这一常见问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

html=requests.get(url,headers=headers)
html.encoding=('utf-8')
with open('网页源代码.html','w')as f:
    f.write(html.text)

上面代码运行后报错：UnicodeEncodeError: 'gbk' codec can't encode character '\u2022' in position 545262: illegal multibyte sequence

网上查了一下这个问题，发现也是抓取字节流，和我情况类似，我仔细看了一下发现和我的情况有点不一样。他们是在cmd下运行脚本的，而我是在spyder下运行的，在spyder下默认编码（encoding）就是utf-8。再看网页源代码发现<meta charset="UTF-8">，这说明也是utf-8编码。那么问题出在哪呢，看Traceback,发现出问题的代码是：f.write(html.text)。字节流来源没问题，编码也没问题，却在写入文件的时候出问题了。于是网上又查了一下文件编码问题，在这里找到了解决我问题的关键：在test.py保存的时候，会按照系统编码方式GBK的方式(有的编辑器也能自定义编码格式)，编码成gbk二进制码流，存储到磁盘上。当运行该程序时。gbk二进制码流调入内存，并按照python设置的解码方式解码，也就是按照UTF-8的方式解码,所以结果不是错误提示，就是显示出来的是乱码。

这就是说开始用utf-8编码，后面写入文件的时候没有设置解码方式，系统默认是gbk解码，而gbk是utf-8的子集，所以出现上面的错误。因此我只需要设置一下写入时的编码方式就可以了。代码如下：

with open('网页源代码.html','w'，encoding='utf-8')as f: