在把网页源代码爬下来之后,出现了一个问题
源代码中的中文字符全部变成“???”问号(黑人问号脸.jpg)
pycharm提示的是decode方面出现了问题,所以我上网百度了一下python的编码解码
其中http://blog.csdn.net/moodytong/article/details/8136258
这篇博文较为详细的说明了python的编码解码,所以我就按照上面的方法进行尝试,一开始看的是下面几行代码:
u = u'中文'#显示指定unicode类型对象ustr = u.encode('gb2312')#以gb2312编码对unicode对像进行编码
str1 = u.encode('gbk')#以gbk编码对unicode对像进行编码
str2 = u.encode('utf-8')#以utf-8编码对unicode对像进行编码
u1 = str.decode('gb2312')#以gb2312编码对字符串str进行解码,以获取unicode
u2 = str.decode('utf-8')#如果以utf-8的编码对str进行解码得到的结果,将无法还原原来的unicode类型
看懂后进行尝试,结果没成功,应该是因为python的版本问题所致,所以我继续往下看,又看到了几行代码:
u = u'中文'#显示指定unicode类型对象u
str = u.encode('gb2312')#以gb2312编码对unicode对像进行编码
str1 = u.encode('gbk')#以gbk编码对unicode对像进行编码
str2 = u.encode('utf-8')#以utf-8编码对unicode对像进行编码
u1 = str.decode('gb2312')#以gb2312编码对字符串str进行解码,以获取unicode
u2 = str.decode('utf-8')#如果以utf-8的编码对str进行解码得到的结果,将无法还原原来的unicode类型
依照这几行代码的提示,我终于成功的解决了python的编码解码问题
也算是较为顺利地完成了一个任务(继续加油)