scrapy 响应文本乱码(不支持Brotli解压)
一.介绍
在scrapy中,默认不支持Brotli解压,当发现响应乱码时,如何分析确定是由Brotli压缩引起的呢?
1)是看请求头是否有'Accept-Encoding': "gzip, deflate, br" 中的br,如果去掉br 再请求网页,如果响应不成功,则表示服务端只支持br压缩格式,如果成功则看是否乱码。
2) 添加中间件调试查看,使用的是哪种压缩格式,关键代码如下
custom_settings = { 'DOWNLOADER_MIDDLEWARES':{ #加上中间件,主要用于查看是什么类型的压缩 'realtime_python_crawler.middlewares_custom.myCompression_dm.myHtmlCompression':500 }
}
在创建一个myCompression_dm.py文件,在return时打入断点调试进去
from scrapy.downloadermiddlewares.httpcompression import HttpCompressionMiddleware class myHtmlCompression(HttpCompressionMiddleware): def process_response(self, request, response, spider): return super().process_response(request, response, spider)
HttpCompressionMiddleware中间件中源码中解缩代码如下:
def _decode(self, body, encoding): if encoding == b"gzip" or encoding == b"x-gzip": body = gunzip(body) if encoding == b"deflate": try: body = zlib.decompress(body) except zlib.error: # ugly hack to work with raw deflate content that may # be sent by microsoft servers. For more information, see: # http://carsten.codimi.de/gzip.yaws/ # http://www.port80software.com/200ok/archive/2005/10/31/868.aspx # http://www.gzip.org/zlib/zlib_faq.html#faq38 body = zlib.decompress(body, -15) if encoding == b"br" and b"br" in ACCEPTED_ENCODINGS: body = brotli.decompress(body) if encoding == b"zstd" and b"zstd" in ACCEPTED_ENCODINGS: # Using its streaming API since its simple API could handle only cases # where there is content size data embedded in the frame reader = zstandard.ZstdDecompressor().stream_reader(io.BytesIO(body)) body = reader.read() return body
解决方法,如果确定是br压缩格式引起的,就安装pip install Brotli, 这样响应就不会乱码
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 无需6万激活码!GitHub神秘组织3小时极速复刻Manus,手把手教你使用OpenManus搭建本
· C#/.NET/.NET Core优秀项目和框架2025年2月简报
· Manus爆火,是硬核还是营销?
· 一文读懂知识蒸馏
· 终于写完轮子一部分:tcp代理 了,记录一下