如何解决用 Beautiful Soup 抓取网页却得到乱码的问题
展开全部
楼上所说的编码问题只是一个方面，使用GB18030确实能够解决。另一个造成乱码的原因是压缩格式。很多规模较大的网站都是以gzip的压缩格式输出页面的，所以在用BS解析之前需要先判断该网页是否经过压缩，如果经过压缩则先进行解压操作。
本回答被提问者采纳
已赞过
已踩过<
评论
收起
你对这个回答的评价是？
展开全部
可能编码识别错了，建议创建soup对象时手动把正确的编码传过去,国内的网站编码主要是gb2312和utf8，对于大部分非utf8编码中文网站可以用gb18030通吃
>> encoding = "gb18030"
>> soup = BeautifulSoup(page, fromEncoding=encoding)
>> encoding = "gb18030"
>> soup = BeautifulSoup(page, fromEncoding=encoding)
本回答被网友采纳
已赞过
已踩过<
评论
收起
你对这个回答的评价是？
推荐律师服务：
若未解决您的问题，请您详细描述您的问题，通过百度律临进行免费专业咨询
