Python爬取诗词名句网中三国演义的乱码问题

一、乱码问题

为解决中文乱码问题,可使用chardet.detect()检测文本编码格式

详细:

Python爬虫解决中文乱码_脑子不好真君的博客-CSDN博客

二、代码

python 复制代码
#爬取三国演义
import requests
import chardet
from bs4 import BeautifulSoup

url='https://www.shicimingju.com/book/sanguoyanyi.html'
headers={
    'User-Agent':
    'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/117.0.0.0 Safari/537.36 Edg/117.0.2045.47'
}

resp=requests.get(url=url,headers=headers)
encoding=chardet.detect(resp.content)["encoding"]
#print(encoding)
resp.encoding=encoding
page_text=resp.text
#print(page_text)

soup=BeautifulSoup(page_text,'lxml')
li_list=soup.select('.book-mulu > ul > li')
#print(li_list)
fp=open('D:\\Programming\\Microsoft VS Code Data\\WebCrawler\\data\\sanguo\\sanguo.txt',
        'a+',
        encoding=encoding,
        )
for li in li_list:
    title=li.a.string
    zhangjie_url='https://www.shicimingju.com'+li.a['href']
    zhangjie_page=requests.get(url=zhangjie_url,headers=headers)
    encoding=chardet.detect(zhangjie_page.content)['encoding']
    zhangjie_page.encoding=encoding
    #print(encoding)
    zhangjie_page_text=zhangjie_page.text

    zhangjie_soup=BeautifulSoup(zhangjie_page_text,'lxml')
    div_content=zhangjie_soup.find('div',class_='chapter_content')
    content=div_content.text
    fp.write(title+'\n'+content+'\n')
    print(title,'爬取成功!')
fp.close()
相关推荐
码不停蹄的玄黓3 分钟前
Java 应用 CPU 过高排查全流程
java·开发语言·python
许彰午5 分钟前
11_Java集合框架概述
java·windows·python
好好风格8 分钟前
微软这个 14 万星工具,把 PDF、PPT、Excel 都变成大模型爱读的 Markdown
人工智能·python·开源
小糖学代码10 分钟前
机器学习:1.机器学习基本概念
人工智能·python·机器学习
甄心爱学习11 分钟前
【项目实训】法律文书智能摘要系统7
git·python
SiYuanFeng14 分钟前
大厂面试python复习基础100题
python·面试·职场和发展
高洁0115 分钟前
数字孪生:虚拟调试,真实交付
python·深度学习·机器学习·transformer·知识图谱
江畔柳前堤16 分钟前
XZ09_Word和MD格式转换
开发语言·数据库·人工智能·python·深度学习·word
星河漫步Lu19 分钟前
Anaconda搭建深度学习虚拟环境
开发语言·python·深度学习
张一西19 分钟前
2026 新春快乐破解活动五之windows中级题
python·反编译·nuitka·flag