[问题] python 爬虫遇到big5扩充字乱码

楼主: pig98520 (CheinFeng)   2018-11-26 12:54:45
大家好,又上来打扰了,最近在爬虫的时候遇到这个词:
"宏碁电脑",发现爬下来时候会变成乱码,
https://imgur.com/ZSV4gAe
经爬文查询后发现这样的问题:
https://blog.hoamon.info/2008/05/python-big5.html
不过该解法似乎不能应用在python3.7
想问一下有没有类似的情况该怎么解@@?
补上网站:
https://tw.stock.yahoo.com/news/%E5%A4%96%E8%B3%87-%E8%B3%A3%E8%B6%85%E8%82%A1-%E5%AE%8F-%E7%A2%81-%E9%B4%BB-234706227.html
程式码:
import requests
from bs4 import BeautifulSoup
url='https://tw.stock.yahoo.com/news/%E5%A4%96%E8%B3%87-%E8%B3%A3%E8%B6%85%E8%82%A1-%E5%AE%8F-%E7%A2%81-%E9%B4%BB-234706227.html'
req=requests.get(url)
bs=BeautifulSoup(req.text,'html.parser')
print(bs.find('h1').text)
作者: acer1832a (Mike)   2018-11-26 13:20:00
请问是爬哪个网页,没有网页没办法帮你看是不是网页编码转换上的问题,能提供程式码更好
作者: TakiDog (多奇狗)   2018-11-26 13:22:00
有big5哦 ,requests有encoding的参数
作者: ckc1ark (伪物)   2018-11-26 13:39:00
req=requests.get(url)后加一行req.encoding = 'cp950'
楼主: pig98520 (CheinFeng)   2018-11-26 14:55:00
可以了~不过请问为何不能用big5?
作者: ckc1ark (伪物)   2018-11-26 15:21:00
你贴的文章有提 有7个扩充字是big5没有的
楼主: pig98520 (CheinFeng)   2018-11-26 17:05:00
了解 但是用utf-8又会乱码@@ 所以也不能用utf-8囉
作者: eight0 (欸XD)   2018-11-26 19:35:00
用哪个 encoding 编码,就用哪个 encoding 解码
作者: justoncetime (台北丛林好冷~)   2018-11-26 20:08:00
你可以去g一下CP950和Big5的关系啊
楼主: pig98520 (CheinFeng)   2018-11-27 10:27:00
了解了~谢谢解惑

Links booklink

Contact Us: admin [ a t ] ucptt.com