網頁爬蟲 - 關于Python的編碼與解碼問題

問題描述

在python2中用urllib模塊去請求淘寶的IP地址查詢接口，返回的是一段json字符串，如下所示：

import urllibdef get_data(ip): url = 'http://ip.taobao.com/service/getIpInfo.php?ip=' + ip data = urllib.urlopen(url).read() return dataif __name__ == '__main__': result = get_data('59.151.5.5') print(result)

返回結果如下：

{'code':0,'data':{'country':'u4e2du56fd','country_id':'CN','area':'u534eu5317','area_id':'100000','region':'u5317u4eacu5e02','region_id':'110000','city':'u5317u4eacu5e02','city_id':'110100','county':'','county_id':'-1','isp':'u4e16u7eaau4e92u8054','isp_id':'100021','ip':'59.151.5.5'}}

在返回結果中，中文是以 unicode字符串表示，這樣不方便閱讀，我想讓結果中中文部分直接用中文表示，就像下面這樣：

'city':'北京'，'ISP':'中國電信'

如果是python3的話返回又是這樣的：

b’{'code':0,'data':{'country':'u4e2du56fd','country_id':'CN','area':'u534eu5317','area_id':'100000','region':'u5317u4eacu5e02','region_id':'110000','city':'u5317u4eacu5e02','city_id':'110100','county':'','county_id':'-1','isp':'u4e16u7eaau4e92u8054','isp_id':'100021','ip':'59.151.5.5'}}’

請問在 python2和python3中分別該如何轉碼呢？

問題解答

Python3中有兩個方法可以解決你的問題：

print()函數

Python3開始編碼定義為UTF-8，所以你懂的，直接打印就行：

>>> print('u5317u4eacu5e02')北京市

利用Unicode數據庫

有個自帶的庫unicodedata，可以調用這個庫中的兩個方法，如下：

>>> import unicodedata as u# 這段字符串是來自你給提供的內容>>> s = 'u5317u4eacu5e02'>>> s1 = ’’>>> for i in s:s1 += u.lookup(u.name(i))# 輸出結果 >>> s1’北京市’

補充一下，如果單獨處理字符可以用上面的方法，但是剛才回答完才發現你的返回值為byte對象，Python3中這種對象處理很簡單，修改你的代碼如下：

import urllib.request as rdef get_data(ip): url = 'http://ip.taobao.com/service/getIpInfo.php?ip=' + ip data = r.urlopen(url).read() return dataif __name__ == '__main__': result = get_data('59.151.5.5') print(eval(result))

我測試完的返回值是：

{’data’: {’area_id’: ’100000’, ’isp’: ’世紀互聯’, ’country_id’: ’CN’, ’country’: ’中國’, ’region_id’: ’110000’, ’county_id’: ’-1’, ’ip’: ’59.151.5.5’, ’city’: ’北京市’, ’area’: ’華北’, ’county’: ’’, ’city_id’: ’110100’, ’isp_id’: ’100021’, ’region’: ’北京市’}, ’code’: 0}

希望采納

Python 3里你可以通過decode方法把bytes轉換str:

result = get_data('59.151.5.5').decode(’raw_unicode_escape’)回答3：

這樣就好了＝＝

import jsonprint json.dumps(json.loads(result), ensure_ascii=False)回答4：

請使用py3