python爬虫之url中的中文问题,,在python的爬虫


在python的爬虫学习中,我们的url经常出现中文的问题,
我们想要访问的url就需要对url进行拼接,变成浏览器可以识别的url
在python中已经有了这样的模块了,这就是urlencode
urlencode需要对中文和关键字组成一对字典,然后解析成我们的url

在python2中是
urllib.urlencode(keyword)
在Python中是
urllib.parse.urlencode(keyword)

查看一下代码:
python2

import urllibimport  urllib2#例如我们需要在百度上输入个关键字哈士奇进行查询,但是哈士奇是中文的,我们需要对哈士奇进行编码keyword = {"wd":"哈士奇"}head_url = "http://www.baidu.com/s"headers = {    "User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36"}wd = urllib.urlencode(keyword)url = head_url +"?"+ wdreq = urllib2.Request(url,headers=headers)response = urllib2.urlopen(req)html = response.read()print(url)print(html.count(‘哈士奇‘))

结果如下:
技术分享图片

在python3中:

# -*- coding: utf-8 -*-# File  : url中出现的中文问题.py# Author: HuXianyong# Date  : 2018-09-13 17:39from urllib import requestimport urllib#例如我们需要在百度上输入个关键字哈士奇进行查询,但是哈士奇是中文的,我们需要对哈士奇进行编码keyword = {"wd":"哈士奇"}head_url = "http://www.baidu.com/s"headers = {    "User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36"}wd = urllib.parse.urlencode(keyword)url = head_url +"?"+ wdreq = request.Request(url,headers=headers)response = request.urlopen(req)html = response.read()print(html.decode().count("哈士奇"))print(url)

结果如下:
技术分享图片

如果需要吧转换的字符变成中文
可以用unquota

如下:
python2
技术分享图片

In [25]: dic = {"say":"你好!"}In [26]: urllib.urlencode(dic)Out[26]: ‘say=%E4%BD%A0%E5%A5%BD%21‘In [27]: aa  = urllib.urlencode(dic)In [28]: aaOut[28]: ‘say=%E4%BD%A0%E5%A5%BD%21‘In [29]: bb = urllib.unquote(aa)In [30]: bbOut[30]: ‘say=\xe4\xbd\xa0\xe5\xa5\xbd!‘In [31]: print(bb)say=你好!

python3
技术分享图片

In [16]: dic = {"say":"你好!"}In [17]: aa = urllib.parse.urlencode(dic)In [18]: aaOut[18]: ‘say=%E4%BD%A0%E5%A5%BD%21‘In [19]: bb = urllib.parse.unquote(aa)In [20]: bbOut[20]: ‘say=你好!‘

python爬虫之url中的中文问题

评论关闭