鱼C论坛

 找回密码
 立即注册
查看: 485|回复: 3

爬虫编码

[复制链接]
发表于 2018-8-25 12:14:20 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
  1. import urllib.request
  2. import os

  3. def url_open(url):
  4.     res = urllib.request.Request(url)
  5.     res.add_header("User-Agent","Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.186 Safari/537.36")
  6.     response = urllib.request.urlopen(res)
  7.     html = response.read()
  8.     return html

  9. def find_img(url):
  10.     html = url_open(url).decode("utf-8")
  11.     a = html.find("img src=")
  12.     img_addrs=[]
  13.     while a!=-1:
  14.         b = html.find('id="bigpicimg"',a,a+255)
  15.         if b==-1:
  16.             img_addrs.append(html[a+9:b-2])
  17.         else :
  18.             b=a
  19.         a = html.find("img src=",b)
  20.         
  21.     for i in img_addrs:
  22.         print(i)
  23.    


  24. def download(folder = "chengduling",page = 5):
  25.     os.mkdir(folder)
  26.     os.chdir(folder)

  27.     url="http://www.tupianzj.com/mingxing/xiezhen/20180625/"
  28.     for i in range(1,6):
  29.         if i==1:
  30.             page_num = "163771"
  31.         else:
  32.             page_num = "163771"+"_"+str(i)
  33.         page_url = url + page_num + ".html"
  34.         img_url = find_img(page_url)


  35. if __name__ == "__main__":
  36.     download()

复制代码



  1. Traceback (most recent call last):
  2.   File "C:/Users/123/Desktop/chengduling.py", line 43, in <module>
  3.     download()
  4.   File "C:/Users123/Desktop/chengduling.py", line 39, in download
  5.     img_url = find_img(page_url)
  6.   File "C:/Users/123/Desktop/chengduling.py", line 12, in find_img
  7.     html = url_open(url).decode("utf-8")
  8. UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb3 in position 309: invalid start byte
复制代码


编码报错要怎么解决




小甲鱼最新课程 -> https://ilovefishc.com
回复

使用道具 举报

发表于 2018-8-25 13:53:43 From FishC Mobile | 显示全部楼层
应该是有中文,decode('gbk')试试
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2018-8-25 15:10:31 | 显示全部楼层
html = url_open(url).decode("GB2312")
改成这个试试
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2018-8-26 00:14:00 | 显示全部楼层
  1. def url_open(url):
  2.     res = urllib.request.Request(url)
  3.     res.add_header("User-Agent","Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.186 Safari/537.36")
  4.     response = urllib.request.urlopen(res)
  5. #这里加一句
  6.    response.encoding='utf-8'
  7.     html = response.read()
  8.     return html
复制代码
小甲鱼最新课程 -> https://ilovefishc.com
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2025-7-12 17:21

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表