欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

python3访问sina首页中文的处理方法

程序员文章站 2023-11-28 19:38:58
复制代码 代码如下:"""如果只用普通的import urllib.requesthtml = urllib.request.urlopen("http://www.sin...

复制代码 代码如下:

"""
如果只用普通的
import urllib.request
html = urllib.request.urlopen("http://www.sina.com").read()
print(html.decode('gbk'))

出现下面的错误
builtins.unicodedecodeerror: 'gbk' codec can't decode byte 0x8b in position 1: illegal multibyte sequence

怎么办?原来是有的网站将网页用gzip压缩了 。
请看下面的代码

建议大家用python2
import urllib2
from stringio import stringio
import gzip

request = urllib2.request('http://www.sina.com')
request.add_header('accept-encoding', 'gzip')
response = urllib2.urlopen(request)
if response.info().get('content-encoding') == 'gzip':
    buf = stringio( response.read())
    f = gzip.gzipfile(fileobj=buf)
    data = f.read()
print data.decode("gbk").encode('utf-8')
"""

import io
import urllib.request as r
import gzip
req = r.request("http://www.sina.com", headers={"user-agent": "mozilla/5.0 (macintosh; intel mac os x 10_9_1) applewebkit/537.36 (khtml, like gecko) chrome/31.0.1650.63 safari/537.36", "accept-encoding": "gzip"})
bs = r.urlopen(req).read()
bi = io.bytesio(bs)
gf = gzip.gzipfile(fileobj=bi, mode="rb")
print(gf.read().decode("gbk"))