前端之家

  1. 首页
  2. 问答

某些字符无法解码，并由替换字符

• 问答

我已经用Python编码了大约3个月了，我正在尝试为“ https://www.countyhealthrankings.org/app/alabama/2019/rankings/outcomes/”类的一个类项目做一些网络测试。但是，当我尝试提取html站点时出现错误，“某些字符无法解码，并被替换字符替换。” 我尝试了几种不同类型的解码，但是没有运气。我正在使用的代码如下。任何帮助将不胜感激。

代码：

myurl = "https://www.countyhealthrankings.org/app/alabama/2019/rankings/outcomes/"
website = uReq(myurl)
website_html = website.read() #.decode(encoding="iso-8859-1")
print(website_html)
print(type(website_html))
website.close()
site_soup = soup(website_html,"html.parser")#,from_encoding="utf-8)
print(type(site_soup))

html输出如下：

  

�}�WI���s��y��-H，��`m���6�����   5�J�Řf����ȭJ％！��r���cTU�DFFDƖ�����？y������۾W，��9�����    ��y7����5ju���N���{�

数据的字节版本将如下所示：

\x1f\x8b\x08\x00\x00\x00\x00\x00\x00\x03\xec}\xf9W\x1bI\xb2\xee\xefs\xce\xfb\x1f\xca\xeay\x83\xfd\x0
hualushui1129 回答：某些字符无法解码，并由替换字符

该网站正在使用gzip传输编码，并且您的http客户端未对其进行解码。

>> from urllib import request
>>> import gzip
>>> res = request.urlopen(url)
>>> content = res.read()
>>> content[:25]
b'\x1f\x8b\x08\x00\x00\x00\x00\x00\x00\x03\xec}\xf9W\x1bI\xb2\xee\xefs\xce\xfb\x1f\xca\xea'

>>> print(res.headers)
...
Content-Encoding: gzip
Content-Language: en
Content-Type: text/html; charset=utf-8
...
>>> decompressed = gzip.decompress(content)
>>> decompressed[:25]
b'<!DOCTYPE html>\n<!--[if l'

requests软件包会自动处理

>>> import requests
>>> r = requests.get(url)
>>> r.text[:25]
'<!DOCTYPE html>\n<!--[if l'
,

我无法重现您的错误，但这是使用请求包的有效版本：

import requests
from bs4 import BeautifulSoup as bs

url = "https://www.countyhealthrankings.org/app/alabama/2019/rankings/outcomes/"

r = requests.get(url)

soup = bs(r.content)

print(soup)
decodinghtmlweb-scraping
本文链接：https://www.f2er.com/3105292.html

大家都在问