• urllib.request.urlopen 怎样处理了服务器返回的 gzip 乱码数据


    urlopen 函数不会自动处理服务器返回的 gzip 数据,出现类似 x1fx8bx08x00 的乱码。

    Request header 中的 Accept-Encoding 属性如果为 gzip,服务器返回的是 gzip 压缩后的数据,如下所示:

    import urllib.request
    
    req = urllib.request.Request(url)
    req.add_header('Accept', '*/*')
    req.add_header('Accept-Encoding', 'gzip')
    req.add_header('Accept-Language', 'zh-CN,zh;q=0.8,en;q=0.6')
    req.add_header('Cache-Control', 'max-age=0')
    req.add_header('Connection', 'keep-alive')
    req.add_header('User-Agent', 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.110 Safari/537.36')
    
    f = urllib.request.urlopen(req)
    content = f.read()

    返回结果:

    x1fx8bx08x00x00x00x00x00x00x03xdd=kx8f$Wuxdf-xf9?Tfcyw5xd5xd3xefxeex19x0bx048vx90x12x92...

    解压 gzip

    使用 gzip 模块解压字符串,如下所示:

    import urllib.request
    import gzip
    
    req = urllib.request.Request(url)
    req.add_header('Accept', '*/*')
    req.add_header('Accept-Encoding', 'gzip')
    req.add_header('Accept-Language', 'zh-CN,zh;q=0.8,en;q=0.6')
    req.add_header('Cache-Control', 'max-age=0')
    req.add_header('Connection', 'keep-alive')
    req.add_header('User-Agent', 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.110 Safari/537.36')
    
    
    f = urllib.request.urlopen(req)
    
    # 处理 gzip 压缩的字符串
    encoding = f.info().get('Content-Encoding')
    if encoding == 'gzip':
        content = gzip.decompress(f.read())
    else:
        content = f.read()

    content 如果为bytes类型,将其转换为字符串:

    if isinstance(html, bytes):
        html = str(html, encoding='utf-8')
  • 相关阅读:
    POJ 1077 Eight(单向搜索)
    HDU 1943 Ball bearings(简单数学问题)
    POJ 2632 Crashing Robots(水模拟)
    HDU 1047 Integer Inquiry(高精度加法)
    POJ 1068 Parencodings(模拟)
    [转]修改 ibatis 分页机制(ORACLE物理分页)
    实现判断机器大小端的两种方法
    linux环境下库的制作和升级
    fork函数的理解1
    如何求一个文件的行数?
  • 原文地址:https://www.cnblogs.com/l-zl/p/14463709.html
Copyright © 2020-2023  润新知