python爬虫乱码是文字方块的解决方法

这篇文章主要介绍了python爬虫乱码是文字方块的解决方法，具有一定借鉴价值，需要的朋友可以参考下。希望大家阅读完这篇文章后大有收获。下面让小编带着大家一起了解一下。

在跟一群小伙伴探讨完乱码的问题后，小编发现了各式各样的获取方法，当然乱码的问题也是蜂拥而来，都让小编觉得出错比找数据不要太容易了。小编近期一直在收集大家的问题，不断地更新整理后分享给大家，希望更多的小伙伴看到后都知道该如何去解决，今天就python爬虫乱码是文字方块的解决办法。

在解析网页时，时常可以看到如下情景：

这种情况下，我们需要的仅仅是数字，则需要找到相应的字体对应规则。

首先，转码，将字符串转为bytes类型：

然后，根据0～9各个字符的bytes类型编码，建立对应词典，示例中这个网站的网页载入有点贱嘻嘻，弄了三套对应的转换模式，现在也不知道是否每天还会更新，反正人肉分别将30个bytes类型编码与字符串做对应，用数组或者字典皆可。

最后就可以根据内容来进行转码了。

上面说到这是有限的解决方案，原因在于，如果网站实行动态加密，那可能就要去看具体的js内容了，再就是有的可能是图片，可能需要OCR来进行辅助。

在爬相应的网站的时候，友好起见，我使用了selenium+chromedriver，载入后，再刷新一次，效果更好，说的好像刷新一次以后，就不是机器人了一样哈哈。

感谢你能够认真阅读完这篇文章，希望小编分享python爬虫乱码是文字方块的解决方法内容对大家有帮助，同时也希望大家多多支持亿速云，关注亿速云行业资讯频道，遇到问题就找亿速云，详细的解决方法等着你来学习!