python乱码问题之爬虫篇
UnicodeDecodeError: 'gbk' codec can't decode byte 0xae in position 167: illegal multibyte sequence
使用下面的代码有的时候会报错,说什么GBK无法解码...,原因是output的默认编码跟随系统,utf-8的字符GBK有可能不认识于是报错
from urllib.request import Request
from urllib.request import urlopen
url = 'http://www.cnblogs.com'
data = None
headers = {}
req = Request(url, data, headers)
resp = urlopen(req)
print(resp.read().decode('utf-8'))
查看python的默认编码
import sys
print(sys.getdefaultencoding()) #utf-8
解决办法
- 替换掉不能解析的字符
- 设置stdout的编码
import io
import sys
import urllib.request
sys.stdout = io.TextIOWrapper(sys.stdout.buffer,encoding='utf8') #改变标准输出的默认编码
res=urllib.request.urlopen('http://www.baidu.com')
htmlBytes=res.read()
print(htmlBytes.decode('utf-8'))
- 永久性修改python默认编码 http://pako.iteye.com/blog/1153343
import sys
print(sys.setdefaultencoding()) #utf-8
文件写入编码错误
print有坑就算了,writelines写入文件也报这个gbk无法编码的问题
解决办法:
//设置编码就搞定了
html=open(line,'w',encoding='utf-8')
### 总结 这些编码问题其实是一些函数在使用时使用了默认的编码,相应的传入和改变其使用的编码就搞定了。