您的位置:首页 > 编程语言 > Python开发

Python3中urllib的UnicodeDecodeError错误

2015-12-12 23:47 996 查看
在用Python3抓取最简单的网页内容时,出现了这个错误:

UnicodeDecodeError: 'utf-8' codec can't decode byte 0x8b in position 1: invalid start byte

源代码如下:

fp = urllib.request.urlopen(url)
mybytes = fp.read()
text = mybytes.decode('utf8')
fp.close()
print(text)(1)一开始以为是编码不对,不是utf-8,但试了gb2312和gbk都不行,而且对抓取的网页抓包可以看到确实是utf-8编码,所以排除编码问题
(2)那么可能是代码问题?第一次用urllib这个库,难免出错,但是换了一个同样是utf-8编码的网页url抓取,可以正常运行!所以也排除代码问题。

接下来百度了半天,没有一个找到有用的线索。于是转向不经常用的Google,还是Google大神好,第一条就出现了答案:


Change python byte type to string

原来是抓到的数据被压缩了,并不是字符集编码的问题,使用zlib库进行解压缩即可,做如下修改:
import zlib

fp = urllib.request.urlopen(url)
mybytes = fp.read()
decompressed_data = zlib.decompress(mybytes ,16+zlib.MAX_WBITS)
text = decompressed_data.decode('utf8')
fp.close()
print(text)
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签: