解决Python爬虫处理文件时候中文名称出现乱码问题

解决Python爬虫处理文件时候中文名称出现乱码问题

主机资讯有资源网2020-10-27 11:42:523A+A-

当下如果需要批量处理文件,爬虫网页和图片的时候使用Python是最为简单和高效的。但是在处理过程中还是有一些细节问题,比如在爬虫中文名称和处理中文文件URL的时候会出现乱码。实际上就是因为编码的问题。我们在使用的Python3版本默认编码是utf-8。爬虫到的所有的数据他都会以utf-8进行编码。

这样的话,Pyt[文]hon3处理文件[章]的时候会将目标网[来]站爬取进行utf[自]-8编码,如果我[有]们爬取的目标网站[资]是GB2312编[源]码,这样编码不同[网]就会造成乱码。那[文]我们如何处理呢?[章]

第一种、授予编码

import requests
req= requests.get("http://example.com")
req_text=req.text.encode("latin1").decode("GBK")
print(req_text)

第二种、添加字体

参考:https://www.ywowl.com/prolan/python/2018/03/550.html

上传字体simhei.ttf到:

/opt/python3.5/lib/python3.5/site-packages/matplotlib/mpl-data/fonts/ttf

然后修改matplotlibrc配置:

/opt/python3.5/lib/python3.5/site-packages/matplotlib/mpl-data/matplotlibrc

然后将backend的TkAgg换成Agg、注释掉font.family : sans-serif,添加font.sans-serif : SimHei。最后清理清除~/.cache/matplotlib目录缓存。解决图片中文乱码问题的。

声明: 本站仅为分享信息绝非推荐,网站不参与交易绝非中介,内容均仅代表个人观点绝非权威,读者请自行考虑后入手并自担风险!关于安全: 任何IDC都有倒闭和跑路的可能,出口线路更不可控,月付和备份是您的最佳选择,请保持良好的、有规则的备份习惯.

点击这里复制本文地址 以上内容由有资源网整理呈现,请务必在转载分享时注明本文地址!如对内容有疑问,请联系我们,谢谢!

支持Ctrl+Enter提交

有资源网 © All Rights Reserved.  Copyright uzyw. cn Rights Reserved.
Powered by Z-BlogPHP Themes by yiwuku.com
联系我们| 关于我们| 留言建议| 网站管理