码农知识堂 - 1000bd
  •   Python
  •   PHP
  •   JS/TS
  •   JAVA
  •   C/C++
  •   C#
  •   GO
  •   Kotlin
  •   Swift
  • Python爬取诗词名句网中三国演义的乱码问题


    一、乱码问题

    为解决中文乱码问题,可使用chardet.detect()检测文本编码格式

    详细:

    Python爬虫解决中文乱码_脑子不好真君的博客-CSDN博客

    二、代码

    1. #爬取三国演义
    2. import requests
    3. import chardet
    4. from bs4 import BeautifulSoup
    5. url='https://www.shicimingju.com/book/sanguoyanyi.html'
    6. headers={
    7. 'User-Agent':
    8. 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/117.0.0.0 Safari/537.36 Edg/117.0.2045.47'
    9. }
    10. resp=requests.get(url=url,headers=headers)
    11. encoding=chardet.detect(resp.content)["encoding"]
    12. #print(encoding)
    13. resp.encoding=encoding
    14. page_text=resp.text
    15. #print(page_text)
    16. soup=BeautifulSoup(page_text,'lxml')
    17. li_list=soup.select('.book-mulu > ul > li')
    18. #print(li_list)
    19. fp=open('D:\\Programming\\Microsoft VS Code Data\\WebCrawler\\data\\sanguo\\sanguo.txt',
    20. 'a+',
    21. encoding=encoding,
    22. )
    23. for li in li_list:
    24. title=li.a.string
    25. zhangjie_url='https://www.shicimingju.com'+li.a['href']
    26. zhangjie_page=requests.get(url=zhangjie_url,headers=headers)
    27. encoding=chardet.detect(zhangjie_page.content)['encoding']
    28. zhangjie_page.encoding=encoding
    29. #print(encoding)
    30. zhangjie_page_text=zhangjie_page.text
    31. zhangjie_soup=BeautifulSoup(zhangjie_page_text,'lxml')
    32. div_content=zhangjie_soup.find('div',class_='chapter_content')
    33. content=div_content.text
    34. fp.write(title+'\n'+content+'\n')
    35. print(title,'爬取成功!')
    36. fp.close()

     

     

  • 相关阅读:
    【银河麒麟系统】备份还原工具显示“备份分区空间不足,请删除过期或者不需要的备份”解决方法
    C语言 数组
    “轻松实现文件复制备份,自动编号轻松管理
    找游戏外包开发游戏,有哪些好处呢?
    解决docker 容器状态 Exited (1)问题
    2023华为HCIA+HCIP最全Datacom题库解析
    概率公式c的计算
    1-辛基-3-甲基咪唑六氟磷酸盐([OMIM] PF6)负载修饰四氧化三铁( Fe3O4)为载体包覆二氧化硅材料
    vscode中 vue3+ts 项目的提示失效,volar插件失效问题解决方案
    玩转TypeScript之玩转数组(完整版)
  • 原文地址:https://blog.csdn.net/naozibuok/article/details/133554600
  • 最新文章
  • 攻防演习之三天拿下官网站群
    数据安全治理学习——前期安全规划和安全管理体系建设
    企业安全 | 企业内一次钓鱼演练准备过程
    内网渗透测试 | Kerberos协议及其部分攻击手法
    0day的产生 | 不懂代码的"代码审计"
    安装scrcpy-client模块av模块异常,环境问题解决方案
    leetcode hot100【LeetCode 279. 完全平方数】java实现
    OpenWrt下安装Mosquitto
    AnatoMask论文汇总
    【AI日记】24.11.01 LangChain、openai api和github copilot
  • 热门文章
  • 十款代码表白小特效 一个比一个浪漫 赶紧收藏起来吧!!!
    奉劝各位学弟学妹们,该打造你的技术影响力了!
    五年了,我在 CSDN 的两个一百万。
    Java俄罗斯方块,老程序员花了一个周末,连接中学年代!
    面试官都震惊,你这网络基础可以啊!
    你真的会用百度吗?我不信 — 那些不为人知的搜索引擎语法
    心情不好的时候,用 Python 画棵樱花树送给自己吧
    通宵一晚做出来的一款类似CS的第一人称射击游戏Demo!原来做游戏也不是很难,连憨憨学妹都学会了!
    13 万字 C 语言从入门到精通保姆级教程2021 年版
    10行代码集2000张美女图,Python爬虫120例,再上征途
Copyright © 2022 侵权请联系2656653265@qq.com    京ICP备2022015340号-1
正则表达式工具 cron表达式工具 密码生成工具

京公网安备 11010502049817号