标签:
在python3中读取网页的时候,会有乱码的问题,如果直接打开,会有错误
Traceback (most recent call last): File "E:/Source_Code/python34/HTMLParser_in_3.py", line 81, in <module> context = f.read() UnicodeDecodeError: ‘gbk‘ codec can‘t decode byte 0xad in position 175: illegal multibyte sequence
然后发现用二进制方式打开(‘rb‘),就没有问题,但是处理的时候,就会bytes类型和str类型不兼容的错误,直接强类型转换,后续处理的时候又会获取不到任何东西。
在python3中的str的decode方法,做了改变,因为python3中全部用Unicode编码,str取消了decode方法。
上网查了相关资料,发现,二进制打开后,对于得到的bytes类型有decode方法可以转换为可处理的str。
/tmp/ python3 Python 3.2.3 (default, Feb 20 2013, 14:44:27) [GCC 4.7.2] on linux2 Type "help", "copyright", "credits" or "license" for more information. >>> f1 = open("unicode.txt", ‘r‘).read() >>> print(f1) 寒冷 >>> f2 = open("unicode.txt", ‘rb‘).read() #二进制方式打开 >>> print(f2) b‘\xe5\xaf\x92\xe5\x86\xb7\n‘ >>> f2.decode() ‘寒冷\n‘ >>> f1.decode() Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: ‘str‘ object has no attribute ‘decode‘ >>>
标签:
原文地址:http://www.cnblogs.com/jokervwer/p/4267218.html