其他分享
首页 > 其他分享> > Webmagic爬取网页内容时的“空格”变为“?”的问题

Webmagic爬取网页内容时的“空格”变为“?”的问题

作者:互联网

一、问题如下

  1、要爬取的新闻信息里出现“ ”、“ ”等网页里的空白字符,爬取之后存入数据库时就变为“”字样。

  

二、分析过程

  1、使用Webmagic爬取内容后,出现了?的字样,尝试使用replace("?","")的方式将?替换为空字符串,但是调试之后并没有解决问题。

  2、因此,内容中的?并不是平时的问号,而是由于编码问题导致的乱码。

  问题所在:编码乱码

三、问题解决

  1、对字符串进行处理

news_content=new String(news_content.getBytes(),"GBK").replace('?', ' ').replace(' ', ' ');

  其中,replace(' ', ' ')这部分,前面的引号里是全角空格。

 

标签:content,replace,爬取,乱码,网页内容,news,Webmagic
来源: https://www.cnblogs.com/guobin-/p/12485804.html