爬虫错误总结录

一、目标网站编码utf-8,通过requests请求返回text方法,用到xpath上报错

复制代码
Traceback (most recent call last):
  File "/python_project/app_data/parse_async/setup_parse.py", line 49, in <module>
    get_urls(link)
  File "/python_project/app_data/parse_async/setup_parse.py", line 44, in get_urls
    tree = etree.HTML(html)
  File "src/lxml/etree.pyx", line 3170, in lxml.etree.HTML
  File "src/lxml/parser.pxi", line 1872, in lxml.etree._parseMemoryDocument
ValueError: Unicode strings with encoding declaration are not supported. Please use bytes input or XML fragments without declaration.
值错误:不支持带编码声明的Unicode字符串。请使用不带声明的字节输入或XML片段。
复制代码

解决:

将`html = requests.get(url=base_url, headers=headers).text` 改为`html = requests.get(url=base_url, headers=headers).content` 即可

posted @   Alive_2020  阅读(391)  评论(0编辑  收藏  举报
编辑推荐:
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
阅读排行:
· winform 绘制太阳,地球,月球 运作规律
· TypeScript + Deepseek 打造卜卦网站:技术与玄学的结合
· AI 智能体引爆开源社区「GitHub 热点速览」
· Manus的开源复刻OpenManus初探
· 写一个简单的SQL生成工具
点击右上角即可分享
微信分享提示