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: