鱼C论坛

 找回密码
 立即注册
查看: 1222|回复: 3

[已解决]如何解决BeautifulSoup解析打印乱码问题

[复制链接]
发表于 2020-7-13 12:59:06 | 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
如题所述,爬取的是知乎的一个页面,为什么会打印出乱码?


                               
登录/注册后可看大图


完整代码如下:

  1. import json
  2. import time
  3. import requests
  4. import os
  5. from bs4 import BeautifulSoup

  6. # -*- coding:utf-8 -*-

  7. # 获取cookies
  8. ckdesk = os.path.join(os.path.expanduser("~"), 'Desktop') + '\\知乎数据更新\\zhihucookie.txt'
  9. with open(ckdesk,'r') as f :
  10.     cookie = f.read()
  11.     f.close()
  12. cookie = json.loads(cookie)
  13. print('cookie读取成功')
  14. desk = os.path.join(os.path.expanduser("~"), 'Desktop') + '\\知乎数据更新\\知乎问答数据.xlsx'


  15. # url设置
  16. url = 'https://www.zhihu.com/question/395871463'
  17. # 请求头
  18. headers = {
  19.     'authority': 'www.zhihu.com',
  20.     'method': 'GET',
  21.     'path': url.replace("https://www.zhihu.com/", ""),
  22.     'scheme': 'https',
  23.     'accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9',
  24.     'accept-encoding': 'gzip, deflate, br',
  25.     'accept-language': 'zh-CN,zh;q=0.9,en;q=0.8',
  26.     'cache-control': 'max-age=0',
  27.     'referer': url,
  28.     'sec-fetch-dest': 'document',
  29.     'sec-fetch-mode': 'navigate',
  30.     'sec-fetch-site': 'same-origin',
  31.     'sec-fetch-user': '?1',
  32.     'upgrade-insecure-requests': '1',
  33.     'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.116 Safari/537.36'
  34. }
  35. # 请求页面,获取数据
  36. res = requests.get(url=url, cookies=cookie, headers=headers)
  37. session = requests.session()
  38. login_response = session.post(url, headers=headers)
  39. # res.encoding = 'utf-8'
  40. # print(res.encoding)
  41. soup = BeautifulSoup(res.text, 'html.parser',)
  42. print(soup)
复制代码
最佳答案
2020-7-13 17:35:13
把headers中'accept-encoding': 'gzip, deflate, br'的br去掉
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

发表于 2020-7-13 17:35:13 | 显示全部楼层    本楼为最佳答案   
把headers中'accept-encoding': 'gzip, deflate, br'的br去掉
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2020-7-13 21:04:00 | 显示全部楼层
编码问题,把headers里的accept-encoding的值改成utf-8就可以了
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-7-14 09:14:48 | 显示全部楼层
感谢二位大佬,确实可以解决!
想知道小甲鱼最近在做啥?请访问 -> 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, 2024-4-17 00:30

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表