網頁爬蟲 - Python：爬蟲的中文編碼問題？

問題描述

爬取中文網頁后正則匹配出中文，得打UTF-8的編碼字符

將其輸出為.csv文件

在.CSV中顯示為亂碼

用記事本打開.csv又可以正常顯示為中文

有沒有大神指點是怎么一回事？怎樣才能在Excel里直接看到中文？

問題解答

簡單地方法是用pandas的to_excel方法轉化成.xlsx文件，因為.xlsx默認編碼是默認支持Excel的，區別當然是無法用記事本打開。

import pandas as pda = pd.read_csv(’./test.csv’)a.to_excel(’./test_output.xlsx’, index=False)a.to_excel(’./test_output.csv’, index=False)

我這里沒有windows可以測試，可以嘗試寫入編碼為gb2312或者gbk試試。

表格文件類I/O的話其實pandas更方便一點。

abs1=abs1.decode().encode(’gbk’)

excel默認使用的是GBK編碼。

新建一個excel文件，然后點 數據 自文本，導入csv文件