来自于一篇【关于Python的requests中text中文乱码的问题】的思考?

2024-06-09 00:58

本文主要是介绍来自于一篇【关于Python的requests中text中文乱码的问题】的思考?,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

背景:使用requests做http协议的接口请求时,对响应结果text的编码问题:出现中文乱码,如何处理中文输出?

实践:请求百度!

import requestsdo_http=requests.session()
res=do_http.request('get','http://www.baidu.com')print(res.text)

结果输出如下:<title>ç¾åº¦ä¸ä¸ï¼ä½ å°±ç¥é</title>,这是百度的title

分析原因:网上说的一堆,比较繁琐,无非就是什么先encode再decode,那你为什么不用content属性呢?非得text?先看response.content属性的源码,它是响应报文的二进制编码,如果获取响应的encoding是None(实现原理:根据请求去检查响应报文content-type中匹配拆分是否有charset字段,如果没有就使用chardet猜一个编码值,百度网页的默认编码是'utf-8':

"""Content of the response, in unicode.If Response.encoding is None, encoding will be guessed using``chardet``.The encoding of the response content is determined based solely on HTTPheaders, following RFC 2616 to the letter. If you can take advantage ofnon-HTTP knowledge to make a better guess at the encoding, you shouldset ``r.encoding`` appropriately before accessing this property."""# Try charset from content-type

所以print(res.encoding)必然输出:IOS-8859-1,下面解释为什么不是utf-8?

分析requests的源代码发现,r.text返回的是处理过的Unicode型的数据,而使用r.content返回的是bytes型的原始数据。
也就是说,r.content相对于r.text来说节省了计算资源,r.content是把内容bytes返回. 而r.text是decode成Unicode. 
如果headers没有charset字符集的化,text()会调用chardet来计算字符集,这又是消耗cpu的事情.

那么如何来解决这个text编码的问题呢?从源码得知requests的默认编码是:IOS-8859-1,不懂?没关系,作者也不懂!(Latin-1或者叫西欧语言),requests请求时上面说了会去拿网页的编码,如果没有就使用自己chardet计算出来的。

但是很奇怪,明明得知自己访问的网站编码格式是utf-8,为什么输出还是requests自身的编码?即使是content也得不到正确的中文(下一篇我们再来看其中的源码关键)。

所以为了解决上面的问题,不得不通过encoding来改变它:res.encoding='utf-8',这时content正确了,text的问题仍没有解决?

前面又说了,text是编码后的unicode,所以要反过来编码encode一下,再解码decode,得到中文输出,代码如下:

# 使用requests库发起http请求,遇到字符编码的问题
import requestsdo_http=requests.session()
res=do_http.request('get','http://www.baidu.com')
# 每个网址使用的字符编码不一定相同,所以需要事先查看源码:charset=utf-8还是gbk,如果是gbk再使用encoding是会报错的
res.encoding='utf-8' # 网页是啥编码这里就是啥编码
# 网上也有一些解决办法:先decode再encode,然而貌似并可行,所说的应该适用于content这个属性
# print(res)
# print(res.status_code)
# print(res.content.decode())
# 编码再解码
print(res.text.encode().decode())

tips:这里调用编码解码的方法我使用了其自带的默认参数:encoding=utf-8,所以看到的是空括号。

这下结果可以正常输出:<title>百度一下,你就知道</title>

**日拱一卒无有尽,功不唐捐终入海!**

这篇关于来自于一篇【关于Python的requests中text中文乱码的问题】的思考?的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1043813

相关文章

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

好题——hdu2522(小数问题:求1/n的第一个循环节)

好喜欢这题,第一次做小数问题,一开始真心没思路,然后参考了网上的一些资料。 知识点***********************************无限不循环小数即无理数,不能写作两整数之比*****************************(一开始没想到,小学没学好) 此题1/n肯定是一个有限循环小数,了解这些后就能做此题了。 按照除法的机制,用一个函数表示出来就可以了,代码如下

hdu1043(八数码问题,广搜 + hash(实现状态压缩) )

利用康拓展开将一个排列映射成一个自然数,然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

购买磨轮平衡机时应该注意什么问题和技巧

在购买磨轮平衡机时,您应该注意以下几个关键点: 平衡精度 平衡精度是衡量平衡机性能的核心指标,直接影响到不平衡量的检测与校准的准确性,从而决定磨轮的振动和噪声水平。高精度的平衡机能显著减少振动和噪声,提高磨削加工的精度。 转速范围 宽广的转速范围意味着平衡机能够处理更多种类的磨轮,适应不同的工作条件和规格要求。 振动监测能力 振动监测能力是评估平衡机性能的重要因素。通过传感器实时监

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

缓存雪崩问题

缓存雪崩是缓存中大量key失效后当高并发到来时导致大量请求到数据库,瞬间耗尽数据库资源,导致数据库无法使用。 解决方案: 1、使用锁进行控制 2、对同一类型信息的key设置不同的过期时间 3、缓存预热 1. 什么是缓存雪崩 缓存雪崩是指在短时间内,大量缓存数据同时失效,导致所有请求直接涌向数据库,瞬间增加数据库的负载压力,可能导致数据库性能下降甚至崩溃。这种情况往往发生在缓存中大量 k

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

6.1.数据结构-c/c++堆详解下篇(堆排序,TopK问题)

上篇:6.1.数据结构-c/c++模拟实现堆上篇(向下,上调整算法,建堆,增删数据)-CSDN博客 本章重点 1.使用堆来完成堆排序 2.使用堆解决TopK问题 目录 一.堆排序 1.1 思路 1.2 代码 1.3 简单测试 二.TopK问题 2.1 思路(求最小): 2.2 C语言代码(手写堆) 2.3 C++代码(使用优先级队列 priority_queue)