python 采集中文乱码问题的完美解决方法

摘要：python 采集中文乱码问题的完美解决方法

近几日遇到采集某网页的时候大部分网页OK,少部分网页出现乱码的问题,调试了几日,终于发现了是含有一些非法字符造成的..特此记录 [b]1. 在正常情况下..可以用[/b]

import chardet

thischarset = chardet.detect(strs)["encoding"]

来获取该文件或页面的编码方式或直接抓取页面的charset = xxxx 来获取 [b]2. 遇到内容中有特殊字符时指定的编码一样会造成乱码[/b]..即内容中非法字符造成的,可以采用编码忽略非法字符的方式来处理.

strs = strs.decode("UTF-8","ignore").encode("UTF-8")

decode的第二个参数表示遇到非法字符时所采取的方式该参数默认为抛出异常. 以上就是小编为大家带来的python 采集中文乱码问题的完美解决方法的全部内容了，希望对大家有所帮助，多多支持编程素材网~