python en(de)code

python爬虫

代码写挺长的，也是边学边写，但一直搞不清楚python的encode(编码)和decode(解码)。以下是我的探究之路。

一、当然先看官方文档

地址如下

里面提到encode函数‘Return an encoded version of the string as a bytes object.’就是将字符串进行编码，返回得到bytes类型对象，

而decode函数正好相反，是将bytes解码为字符串类型。

二、实际操作一下

直接以爬虫代码为例：

1 2	response=requests.get(BASE_DOMAIN, headers=HEADERS) print(response.text)

run一下之后会发现很多乱码

查了一下发现问题处在.text上，.text是返回网页的相应数据，并按照机器认为的最大可能去解码比如utf-8。而观察本站发现’charset=gb2312’所以出现了乱码。于是，

我用encoding规定用gb2312解码：

1 2 3 4

response=requests.get(BASE_DOMAIN, headers=HEADERS) response.encoding="gb2312" print(response.text)

果然解决了乱码问题，但这和 大专栏  python en(de)codeencode,decode没啥关系。。。

接下来就有关系了。

我换了一种方式：

1 2 3

response=requests.get(BASE_DOMAIN, headers=HEADERS) print(response.content)

发现爬到的是bytes类型，意识到.content返回的数据是不进行解码的，又由于是由bytes到字符串的解码，所以使用decode()

1 2	response=requests.get(BASE_DOMAIN, headers=HEADERS) print(response.content.decode('gb2312'))

一运行，woc！报错了

说是gb2312不能解码，这不矛盾吗…

于是赶紧上网查了一下发现gbk的解码范围包含了gb2312，于是尝试改为gbk，问题解决，成功解码~

这只是用了decode()，那再作死一下把解码的再编码回来，走你：

1 2 3

response=requests.get(BASE_DOMAIN, headers=HEADERS) r=response.content.decode('gbk') print(r.encode('gbk'))

成功编码~

经过了这次的探索尝试，搞明白了Python编码和解码，最近在学习汇编，相信之后从硬件的角度会对编码解码这方面有更深的理解!