溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
在獲得網頁響應對象res后，使用res.text屬性可以獲得網頁源代碼，但可能出現亂碼！因為requests庫會使用自動猜測的解碼方式將抓取的網頁源碼進行解碼，然后存儲到res對象的text屬性中；
但有的網站的編碼格式和requests庫默認的解碼格式（）不一樣（比如gbk gb2312是gbk的子集），這時候就要自己手動進行解碼，先獲得content屬性，返回的是bytes類型的字符串，再進行解碼decode（“網頁的編碼
格式”）
這時候可能出現新的問題
'gbk' codec can't decode byte 0xd0 in position 15264: illegal multibyte sequence
這是因為遇到了非法字符
比如網頁中有這種字符
全角空格往往有多種不同的實現方式，比如\xa3\xa0，或者\xa4\x57，這些 字符，看起來都是全角空格，但它們并不是“合法”的全角空格（真正的全角空格是\xa1\xa1），因此在轉碼的過程中出現了異常。
只要字符串中出現了一個非法字符，整篇文章就都無法轉碼。
對于這種字符，根本不需要，不重要！
解決方法：在解碼時候指定errors參數，
decode()的函數原型是decode([encoding], [errors='strict'])，可以用第二個參數控制錯誤處理的策略，默認的參數是strict，代表遇到非法字符時拋出異常；
#requests庫默認會使用自己猜測的解碼方式將抓取下來的網頁進行解碼，然后存儲到text屬性上去；
#但在該網站中，編碼方式和默認的解碼方式不一樣，就會產生亂碼,所以要手動進行解碼，先獲得content再decode()解碼
#右鍵查看網頁源代碼，發現是gb2312編碼，gb2312就是gbk的子集，所以用decode("gbk")
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
