Python3.x：BeautifulSoup()解决中文乱码问题
问题：
BeautifulSoup获取网页内容，中文显示乱码；
解决方案：
遇到情况也是比较奇葩，利用chardet获取网页编码，然后在BeautifulSoup构造器中传入from_encoding=参数，获取的还是一堆乱码；
无奈之下，在网络上大搜索一通，结果还是没搞清楚原因，但是问题倒是找到了解决方案；
在这里提供下，给遇到同样问题的码友：
如果中文页面编码是gb2312，gbk，在BeautifulSoup构造器中传入from_encoding=”gb18030″参数即可解决乱码问题，
即使分析的页面是utf8的页面使用gb18030也不会出现乱码问题；
import requests from bs4 import BeautifulSoup all_url = "" start_html= requests.get(all_url, headers=Hostreferer) #如果中文页面编码是gb2312，gbk，在BeautifulSoup构造器中传入from_encoding="gb18030"参数即可解决乱码问题，即使分析的页面是utf8的页面使用gb18030也不会出现乱码问题 soup = BeautifulSoup(start_html.content, "html.parser", from_encoding="gb18030")
这里chardet的方式也贴出来，供大家参考：
import urllib.request import chardet all_url = "" charset1=chardet.detect(urllib.request.urlopen(all_url).read() ) print(charset1) #输出结果： {'encoding': 'GB2312', 'confidence': 0.99, 'language': 'Chinese'} bmfs = charset1['encoding'] print(bmfs) #输出结果：GB2312 soup = BeautifulSoup(start_html.content, "html.parser", from_encoding=bmfs)
原创文章，作者：ItWorker，如若转载，请注明出处：https://blog.ytso.com/16779.html