技术文章 > Python技术 > Python基础 > 正文

python爬虫乱码是文字方块如何解决?

小妮浅浅

在跟一群小伙伴探讨完乱码的问题后,小编发现了各式各样的获取方法,当然乱码的问题也是蜂拥而来,都让小编觉得出错比找数据不要太容易了。小编近期一直在收集大家的问题,不断地更新整理后分享给大家,希望更多的小伙伴看到后都知道该如何去解决,今天就python爬虫乱码是文字方块的解决办法。


解析网页时,时常可以看到如下情景:

这种情况下,我们需要的仅仅是数字,则需要找到相应的字体对应规则。

首先,转码,将字符串转为bytes类型:

然后,根据0~9各个字符的bytes类型编码,建立对应词典,示例中这个网站的网页载入有点贱嘻嘻,弄了三套对应的转换模式,现在也不知道是否每天还会更新,反正人肉分别将30个bytes类型编码与字符串做对应,用数组或者字典皆可。

 

最后就可以根据内容来进行转码了。

上面说到这是有限的解决方案,原因在于,如果网站实行动态加密,那可能就要去看具体的js内容了,再就是有的可能是图片,可能需要OCR来进行辅助。

在爬相应的网站的时候,友好起见,我使用了selenium+chromedriver,载入后,再刷新一次,效果更好,说的好像刷新一次以后,就不是机器人了一样哈哈。


小伙伴们看完也可以试试小编这种办法,如果是出现其他类型的乱码现象,也可以去往期的文章找一找。更多Python学习推荐:PyThon学习网教学中心


免费视频教程
本文原创发布python学习网,转载请注明出处,感谢您的尊重!
相关文章
 如何写简单的python爬虫代码?
 python爬虫urllib中request模块用法
 python爬虫案例:从网页上获取源码
 如何用python爬虫批量下载视频?
 selenium如何解决python爬虫乱码问题?
相关视频章节
 网络爬虫
 云端部署Web应用程序视频
 Web应用框架Flask和文件模板
 Web应用程序开发概述
 继承和多态
推荐视频
视频教程分类