在獲得網頁響應物件res後，使用res.text屬性可以獲得網頁原始碼，但可能出現亂碼！因為requests庫會使用自動猜測的解碼方式將抓取的網頁原始碼進行解碼，然後儲存到res物件的text屬性中；

但有的網站的編碼格式和requests庫預設的解碼格式（）不一樣（比如gbk gb2312是gbk的子集），這時候就要自己手動進行解碼，先獲得content屬性，返回的是bytes型別的字串，再進行解碼decode（“網頁的編碼

格式”）

這時候可能出現新的問題

'gbk' codec can't decode byte 0xd0 in position 15264: illegal multibyte sequence

這是因為遇到了非法字元

比如網頁中有這種字元

全形空格往往有多種不同的實現方式，比如\xa3\xa0，或者\xa4\x57，這些 字元，看起來都是全形空格，但它們並不是“合法”的全形空格（真正的全形空格是\xa1\xa1），因此在轉碼的過程中出現了異常。

只要字串中出現了一個非法字元，整篇文章就都無法轉碼。

對於這種字元，根本不需要，不重要！

解決方法：在解碼時候指定errors引數，

decode()的函式原型是decode([encoding],[errors='strict'])，可以用第二個引數控制錯誤處理的策略，預設的引數是strict，代表遇到非法字元時丟擲異常；

• 如果設定為ignore，則會忽略非法字元；
• 如果設定為replace，則會用?取代非法字元；
• 如果設定為xmlcharrefreplace，則使用XML的字元引用

#requests庫預設會使用自己猜測的解碼方式將抓取下來的網頁進行解碼，然後儲存到text屬性上去；
#但在該網站中，編碼方式和預設的解碼方式不一樣，就會產生亂碼,所以要手動進行解碼，先獲得content再decode()解碼
#右鍵檢視網頁原始碼，發現是gb2312編碼，gb2312就是gbk的子集，所以用decode("gbk")

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支援我們。