作者araymilesli (为善不欲人知)
站内Python
标题[问题] 请问python爬虫乱码问题
时间Fri Aug 8 17:17:08 2014
各位板大大德，小弟是最近刚踏入python殿堂的新手，用网路上范例小改了一只属於自己
的爬虫
，用第一个print印时显示是正常的，但用split分割每个逗号，并把它存入阵列印出却出
现以下
码（只截取一小部分）：
(5\xe5\xb9\xb4)', '189.01', '0.00', '0.00%', '08/07', '',
'\xe5\xa5\xa7\xe5\x9c\xb0\xe5
\x88\xa9CDS(5\xe5\xb9\xb4)', '34.65', '0.15', '0.43%', '08/07', '',
'\xe4\xb8\xad\xe5\x
9c\x8bCDS(5\xe5\xb9\xb4)', '138.00', '16.00', '13.11%', '08/07', '',
'\xe4\xb8\xb9\xe9\
xba\xa5CDS(5\xe5\xb9\xb4)', '25.475', '0.36', '1.43%', '08/07', '',
'\xe5\x8d\x97\xe9\x9f
\x93CDS(5\xe5\xb9\xb4)', '59.00', '-0.63', '-1.06%', '08/07', '',
'\xe7\x91\x9e\xe5\xa3\x
abCDS(5\xe5\xb9\xb4)', '30.01', '0.00', '0.00%', '08/07', '',
'\xe7\xbe\x8e\xe5\x9c\x8bCDS(
5\xe5\xb9\xb4)', '16.38', '0.39', '2.44%', '08/07', ''
程式码如下：
#-*- coding:utf-8 -*-
from sgmllib import SGMLParser
import urllib,re,os,sys
class handleFuturePrice(SGMLParser):
def reset(self):
SGMLParser.reset(self)
self.number=0
self.new=""
def start_tr(self,attrs):
if attrs==[('class', 'row1')] or attrs==[('class', 'row2')]:
self.number=1
def handle_data(self, data):
if self.number==1:
self.new+=data
def end_tr(self):
self.number=0
def getFuturePrice(url,parser):
try:
URLprice = urllib.urlopen(url)
parser.feed(URLprice.read())
URLprice.close()
except:
return
def readOneLine(new):
lines=""
returnLines=[]
lines+=new.readline()
returnLines.append(lines)
return returnLines
a=[]
startURL = "
http://www.stockq.org/"
parser = handleFuturePrice()
getFuturePrice(startURL,parser)
new=parser.new.replace('\n',',')
print new # 这里显示正常
#下面用逗号分割并把它存入a阵列再印出就出现乱码了
a=new.split(',')
print a
python版本是使用2.7.8，请各位大大帮小弟解决疑惑...已经改３天了...
谢谢大家帮忙！
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 140.115.236.15
※ 文章网址: http://webptt.com/cn.aspx?n=bbs/Python/M.1407489430.A.89A.html
2F：→ uranusjr:其实它没有乱码, 你 print a[0] 就会发现正常了 08/08 17:38
3F：→ araymilesli:可是我在GUI介面操作为什麽会出现上述乱码呢？ 08/08 17:46
5F：→ carylorrk: 编码问题每个新手一开始都会很困扰啊 08/11 22:15
6F：→ carylorrk: 环境编码、档案编码、资料来源/储存编码、内部表示编码 08/11 22:16