Python爬虫教程-03-使用 chardet 检测编码

Spider-03-使用chardet

继续学习python爬虫，我们经常出现解码问题，因为所有的页面编码都不统一，我们使用chardet检测页面的编码，尽可能的减少编码问题的出现

网页编码问题解决

• 使用chardet 可以自动检测页面文件的编码格式，但是也有可能出错
• 需要安装chardet，
  
  - 如果使用Anaconda环境，使用下面命令：
  
  conda install chardet
  
  - 如果不是，就自己手动在【PyCharm】>【file】>【settings】>【Project Interpreter】>【+】>【chardet】>【install】
  
  具体操作截图：

案例v2

• py03chardet.py文件：https://xpwi.github.io/py/py爬虫/py03chardet.py

# py03chardet.py
# 使用request下载页面，并自动检测页面编码
from urllib import request
import chardet
if __name__ == '__main__':
    url = 'https://jobs.zhaopin.com/CC375882789J00033399409.htm'
    rsp = request.urlopen(url)
    # 按住Ctrl键不送，同时点击urlopen，可以查看文档，有函数的具体参数和使用方法
    html = rsp.read()
    cs = chardet.detect(html)
    print("cs的类型：{0}".format(type(cs)))
    print("监测到的cs数据：{0}".format(cs))
    html = html.decode(cs.get("encoding", "utf-8"))
    # 意思是监测到就使用监测到的，监测不到就使用utf-8
    print("HTML页面为：\n%s" % html)

右键运行，截图如下

编码检测就介绍完了，最要的功能是检测页面的编码，尽可能的减少编码问题的出现

更多文章链接：Python 爬虫随笔

---

- 本笔记不允许任何个人和组织转载