使用Python做爬虫时出现中文乱码

代码如下:
import urllib.request

url=“http://www.txtbook.com.cn/”
resp=urllib.request.urlopen(url)

with open(‘mybaidu.html’,mode=‘w’) as f:
f.write(resp.read().decode(‘utf-8’))
网上普遍的说法是需要检查其编码方式,isinstance()来检查url是否为unicode编码,若是,则转化为utf-8编码,否则不变。查看了该网址的源代码( )发现没有问题。会不会是这个网站的反爬设置?跟换个网站试一试。
url=“https://chengdu.chashebao.com/yanglao/19077.html”
改了网站,在浏览器可以正常显示中文。但是‘https’很显然比‘http’的更安全。不可能‘https’的反爬还差。于是做了这样的测试:
import urllib.request

      url="http://www.txtbook.com.cn/"
      resp=urllib.request.urlopen(url)

      print(resp.read().decode('utf-8'))


      发现中文可以正常显示。那么‘open’使用有问题。或者说是写入文件时有问题。

修改为:
import urllib.request

url=“http://www.txtbook.com.cn/”
resp=urllib.request.urlopen(url)

with open(‘mybaidu.html’,mode=‘w’, encoding=“utf-8”) as f:
f.write(resp.read().decode(‘utf-8’))
print(‘over!’)
可以正常显示中文了。

相关文章

功能概要:(目前已实现功能)公共展示部分:1.网站首页展示...
大体上把Python中的数据类型分为如下几类: Number(数字) ...
开发之前第一步,就是构造整个的项目结构。这就好比作一幅画...
源码编译方式安装Apache首先下载Apache源码压缩包,地址为ht...
前面说完了此项目的创建及数据模型设计的过程。如果未看过,...
python中常用的写爬虫的库有urllib2、requests,对于大多数比...