网络爬虫python，python显示乱码_python2显示乱码问题实战详解

python中经常有显示乱码字符问题，类似这样：中å½。查看json.dumps数据，是这样的："\u00e4\u00b8\u00ad\u00e5\u009b\u00bd"。

这是什么原因造成的呢？我们来一探究竟。

既然能显示乱码，说明原始编码和显示编码是相互可以映射到字符的，只是不是预期的字符，所以看到这样的乱码字符。

网络爬虫python？从内部编码来看，这个编码的值是单字节的，所以可以排除是ASCII与UTF8之间的乱码。

根据经验判断，这个有可能是ASCII、GBK(国标码)、ISO-8859-1(西文编码)之间的错乱。西文编码是很常用的一种编码格式。

我们来复现这个乱码出现的过程。

我们测试一下GBK解码到西文编码：#coding:utf-8

php和python。import json

import base64

a = '中国'

b = a.decode('iso-8859-1')

python3、print b

c = json.dumps(b)

print c

输出结果：中å½

python为什么叫爬虫？"\u00e4\u00b8\u00ad\u00e5\u009b\u00bd"和我们开始提到的现象是一致的。这当然不是巧合，因为这是我已经研究过的，只是复现一遍而已。

不过，复盘来看，这个排查思路应该是这样的。

那么为什么会这样呢？

'中国'这个是在python2中是str类型，是字节序列类型。字节序列映射到本机的字符集，就是GBK编码。

GBK编码与西文编码有重叠的范围，具体重叠多少没有细究。

至少，在我测试过很多的汉字里，都有编码对应。

也就是说，同

请微信扫码阅读。

为防止恶意爬虫，

已开启反爬机制，

理解哟～～～～