Python爬虫教程-03-使用chardet

                       

Spider-03-使用chardet

继续学习python爬虫，我们经常出现解码问题，因为所有的页面编码都不统一，我们使用chardet检测页面的编码，尽可能的减少编码问题的出现

网页编码问题解决

• 使用chardet 可以自动检测页面文件的编码格式，但是也有可能出错
• 需要安装chardet，
  
  • 如果使用Anaconda环境，使用下面命令：
    conda install chardet
  • 如果不是，就自己手动在【PyCharm】>【file】>【settings】>【Project Interpreter】>【+】>【chardet】>【install】
    具体操作截图：

案例v2

• py03chardet.py文件：https://xpwi.github.io/py/py%E7%88%AC%E8%99%AB/py03chardet.py

# py03chardet.py# 使用request下载页面，并自动检测页面编码from urllib import requestimport chardetif __name__ == '__main__':    url = 'https://jobs.zhaopin.com/CC375882789J00033399409.htm'    rsp = request.urlopen(url)    # 按住Ctrl键不送，同时点击urlopen，可以查看文档，有函数的具体参数和使用方法    html = rsp.read()    cs = chardet.detect(html)    print("cs的类型：{0}".format(type(cs)))    print("监测到的cs数据：{0}".format(cs))    html = html.decode(cs.get("encoding", "utf-8"))    # 意思是监测到就使用监测到的，监测不到就使用utf-8    print("HTML页面为：\n%s" % html)
  
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

右键运行，截图如下

编码检测就介绍完了，最要的功能是检测页面的编码，尽可能的减少编码问题的出现

更多文章链接：Python 爬虫随笔

---

- 本笔记不允许任何个人和组织转载