Python教程自学网欢迎您来学习!
当前位置: 首页 > Python基础教程 > python爬虫如何解决乱码是文字方块

python爬虫如何解决乱码是文字方块

   

python爬虫如何解决乱码是文字方块

在跟一群小伙伴探讨完乱码的问题后,小编发现了各式各样的获取方法,当然乱码的问题也是蜂拥而来,都让小编觉得出错比找数据不要太容易了。小编近期一直在收集大家的问题,不断地更新整理后分享给大家,希望更多的小伙伴看到后都知道该如何去解决,今天就python爬虫乱码是文字方块的解决办法。

 

在解析网页时,时常可以看到如下情景:

python爬虫如何解决乱码是文字方块

这种情况下,我们需要的仅仅是数字,则需要找到相应的字体对应规则。

首先,转码,将字符串转为bytes类型:

python爬虫如何解决乱码是文字方块

然后,根据0~9各个字符的bytes类型编码,建立对应词典,示例中这个网站的网页载入有点贱嘻嘻,弄了三套对应的转换模式,现在也不知道是否每天还会更新,反正人肉分别将30个bytes类型编码与字符串做对应,用数组或者字典皆可。

 

python爬虫如何解决乱码是文字方块

最后就可以根据内容来进行转码了。

上面说到这是有限的解决方案,原因在于,如果网站实行动态加密,那可能就要去看具体的js内容了,再就是有的可能是图片,可能需要OCR来进行辅助。

在爬相应的网站的时候,友好起见,我使用了selenium+chromedriver,载入后,再刷新一次,效果更好,说的好像刷新一次以后,就不是机器人了一样哈哈。

 

小伙伴们看完也可以试试小编这种办法,如果是出现其他类型的乱码现象,也可以去往期的文章找一找。