Python响应对象text属性乱码解决方案
作者：何梦吉他
在获得网页响应对象res后，使用res.text属性可以获得网页源代码，但可能出现乱码！因为requests库会使用自动猜测的解码方式将抓取的网页源码进行解码，然后存储到res对象的text属性中；
但有的网站的编码格式和requests库默认的解码格式（）不一样（比如gbk gb2312是gbk的子集），这时候就要自己手动进行解码，先获得content属性，返回的是bytes类型的字符串，再进行解码decode（“网页的编码
格式”）
这时候可能出现新的问题
'gbk' codec can't decode byte 0xd0 in position 15264: illegal multibyte sequence
这是因为遇到了非法字符
比如网页中有这种字符
全角空格往往有多种不同的实现方式，比如\xa3\xa0，或者\xa4\x57，这些 字符，看起来都是全角空格，但它们并不是“合法”的全角空格（真正的全角空格是\xa1\xa1），因此在转码的过程中出现了异常。
只要字符串中出现了一个非法字符，整篇文章就都无法转码。
对于这种字符，根本不需要，不重要！
解决方法：在解码时候指定errors参数，
decode()的函数原型是decode([encoding], [errors='strict'])，可以用第二个参数控制错误处理的策略，默认的参数是strict，代表遇到非法字符时抛出异常；
- 如果设置为ignore，则会忽略非法字符；
- 如果设置为replace，则会用?取代非法字符；
- 如果设置为xmlcharrefreplace，则使用XML的字符引用
#requests库默认会使用自己猜测的解码方式将抓取下来的网页进行解码，然后存储到text属性上去；
#但在该网站中，编码方式和默认的解码方式不一样，就会产生乱码,所以要手动进行解码，先获得content再decode()解码
#右键查看网页源代码，发现是gb2312编码，gb2312就是gbk的子集，所以用decode("gbk")
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
您可能感兴趣的文章:
- python中@property和property函数常见使用方法示例
- Python @property使用方法解析
- python3.6中@property装饰器的使用方法示例
- Python如何使用@property @x.setter及@x.deleter
- Python @property及getter setter原理详解
- python @property的用法及含义全面解析
- 实例讲解Python编程中@property装饰器的用法
- Python 私有属性和私有方法应用场景分析
- Python类及获取对象属性方法解析
- 什么是python类属性
- Python转换字典成为对象,可以用"."方式访问对象属性实例
- Python获取对象属性的几种方式小结
- 属性与 @property 方法让你的python更高效