V2EX = way to explore
V2EX 是一个关于分享和探索的地方
Sign Up Now
For Existing Member Sign In
推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
This topic created in 4788 days ago, the information mentioned may be changed or developed.
在ubuntu下使用python,目标是用beautifulsoup抓取百度贴吧的一个链接，获取它的title然后打印出来。现在的问题是百度的编码是gbk,我用如下代码:
c = urllib2.urlopen('http://tieba.baidu.com/p/2163299007')
soup = BeautifulSoup(c.read)
title = soup('title')[0].string
str = title.decode('gbk').encode('utf-8')
print str
结果输出的还是乱码，大家有什么想法么。。
c = urllib2.urlopen('http://tieba.baidu.com/p/2163299007')
soup = BeautifulSoup(c.read)
title = soup('title')[0].string
str = title.decode('gbk').encode('utf-8')
print str
结果输出的还是乱码，大家有什么想法么。。
 |
1
liubo Mar 24, 2013
c = urllib2.urlopen('http://tieba.baidu.com/p/2163299007').read()
soup = BeautifulSoup(c,fromEncoding="gbk") title = soup('title')[0].string print title |
 |
2
polythene Mar 24, 2013
soup('title')[0].get_text()是一unicode串，然后可以encode为各种编码
|
 |
3
nkliwenjian Mar 24, 2013
我只是来吐槽一下的。抛开1楼的fromEncoding不谈，只谈编程思路。
c = urllib2.urlopen('http://tieba.baidu.com/p/2163299007') c是最原始的输入，如果需要编码解码的话应该是在原始输入这里来进行，跑那么后进行干嘛？ 完全可以先c.read().decode('gbk').encode('utf-8')，再放到BeautifulSoup里面去处理 |
 |
4
shlzs123 Jun 20, 2013
您好，我是饿了么的招聘顾问，请问您投递的简历邮箱地址是多少？我会特别关注一下。
|
 |
5
Elwin OP @shlzs123 [email protected]，我大概是前天发的邮件吧:-)~
|
1
Select Language