python3获取中文网页乱码的问题
浏览数：49 /
时间：2015年06月08日
在python3中读取网页的时候，会有乱码的问题，如果直接打开，会有错误
Traceback (most recent call last):
File "E:/Source_Code/python34/HTMLParser_in_3.py", line 81, in <module>
context = f.read()
UnicodeDecodeError: ‘gbk‘ codec can‘t decode byte 0xad in position 175: illegal multibyte sequence
然后发现用二进制方式打开（‘rb‘），就没有问题，但是处理的时候，就会bytes类型和str类型不兼容的错误，直接强类型转换，后续处理的时候又会获取不到任何东西。
在python3中的str的decode方法，做了改变，因为python3中全部用Unicode编码，str取消了decode方法。
上网查了相关资料，发现，二进制打开后，对于得到的bytes类型有decode方法可以转换为可处理的str。
/tmp/ python3 Python 3.2.3 (default, Feb 20 2013, 14:44:27) [GCC 4.7.2] on linux2 Type "help", "copyright", "credits" or "license" for more information. >>> f1 = open("unicode.txt", ‘r‘).read() >>> print(f1) 寒冷 >>> f2 = open("unicode.txt", ‘rb‘).read() #二进制方式打开 >>> print(f2) b‘\xe5\xaf\x92\xe5\x86\xb7\n‘ >>> f2.decode() ‘寒冷\n‘ >>> f1.decode() Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: ‘str‘ object has no attribute ‘decode‘ >>>
郑重声明：本站内容如果来自互联网及其他传播媒体，其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。
