外贸网站域名/玉林网站seo
Python 3.6中，网页信息解析失败，试了很多种编码，查看网页的编码方式也是utf-8。
错误信息：'utf-8' codec can't decode byte 0x8b in position 1: invalid start byte?
还有就是第一个print终端里打印出来的unicode内容是[b'\x1f\x8b\x08\x00\x...]这种格式的，之前也有过这种情况，一个print打2个变量，就是b'\x, 如果分来2行打又变回了汉字。是因为什么原因呢？
# -*- coding: utf-8 -*-
import json , sqlite3
import urllib.request
url = ('http://wthrcdn.etouch.cn/weather_mini?city=%E4%B8%8A%E6%B5%B7')
resp = urllib.request.urlopen(url)
content = resp.read()
print(content)
print(type(content))
print(content.decode('utf-8'))
建议用requeset，代码如下：import requests
r = requests.get('http://wthrcdn.etouch.cn/weather_mini?city=%E4%B8%8A%E6%B5%B7')
print(r.text)
看了一下网站返回的是gzip压缩过的数据，所以要进行解码# coding=utf-8
from io import BytesIO
import gzip
import urllib.request
url = ('http://wthrcdn.etouch.cn/weather_mini?city=%E4%B8%8A%E6%B5%B7')
resp = urllib.request.urlopen(url)
content = resp.read() # content是压缩过的数据
buff = BytesIO(content) # 把content转为文件对象
f = gzip.GzipFile(fileobj=buff)
res = f.read().decode('utf-8')
print(res)
requests不好用吗？
不是字符编码问题, 你看看你请求的 Respont headersStatus Code: 200 OK
Access-Control-Allow-Headers: *
Access-Control-Allow-Methods: *
Access-Control-Allow-Origin: *
Cache-Control: must-revalidate, max-age=300
Connection: Keep-Alive
Content-Encoding: gzip
Content-Length: 443
Date: Fri, 10 Mar 2017 03:20:46 GMT
Fw-Cache-Status: hit
Fw-Via: HTTP MISS from 58.59.19.99, DISK HIT from 183.131.161.27
Server: Tengine/2.1.2
是gzip, 如果用标准库的东西, 还需要把gzip 给解开
玩蛇网文章，转载请注明出处和文章网址：https://www.iplaypy.com/wenda/wd13759.html
相关文章 Recommend