Question

python抓取网页内容时出现如下错误应该怎么办？

UnicodeEncodeError: 'gbk' codec can't encode character '\ue4bf' in position 1235: illegal multibyte sequence RT怎么破？

Answer 1

• 在Python自带的交互式模式下编辑，交互式下，一行只能放一段代码import requests ， 这一行要和下面你定义的函数隔开为两段代码

• 也就是import requests  要按回车键，然后在新的【>>>】开始处再输入你定义的函数代码
  
  

• 一些网页可以用Python的urllib来抓取内容，基本上没有问题

• 但是有的网页内容在浏览器看到的和抓取的有很大区别，抓取的基本上是框架实质内容没有

• 比如必应词典，http://dict.bing.com.cn/#good
  
  
  

Answer 2

代码如下：
>>> import urllib.request
>>> response = urllib.request.urlopen('h)
>>> html = response.read()
>>> print(html.decode('utf-8'))

Python 2.7.10 (default, Oct 23 2015, 18:05:06)
[GCC 4.2.1 Compatible Apple LLVM 7.0.0 (clang-700.0.59.5)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import requests
>>> requests.get('https://www.zhihu.com')
<Response [200]>


作者：songjian
链接：https://www.zhihu.com/question/40873205/answer/88620840
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
结果：
Traceback (most recent call last):
File "<pyshell#3>", line 1, in <module>
print(html.decode('utf-8'))
UnicodeDecodeError: 'utf-8' codec can't decode byte 0x8b in position 1: invalid start byte