解决错误UnicodeDecodeError: 'gb2312' codec can't decode byte 0x8b in position 1: illegal

报错的代码：

url= 'http://kaijiang.500.com/shtml/ssq/19001.shtml'
page =urllib.request.urlopen(url)
content = page.read().decode('gb2312')

　　

报这个错的原因是获取到的网页内容是经过压缩了的，打开url可以看到请求head

Accept-Encoding:gzip, deflate

 

一种方式是请求时把Accept-Encoding设为空，这样的话网页数据未压缩，会相对比较大，增加网络传输时间 另一种方式就是对请求后的数据解压，显然这个方式处理会更快，如下

content = gzip.decompress(page.read()).decode('gb2312')

 

可是修改之后发现运行还是报错，这时候发现应该是因为网页中含有编码集之外的字符（网页内容指定charset是gb2312），就算加到更大范围还是报错（PS：汉字字符集范围 gb2312 < gbk < gb18030）

这时候选择忽略这些无法解码的字符

content = gzip.decompress(page.read()).decode('gb2312','ignore')

 

再运行代码，发现这个问题已经解决了（如果你看了我前面一篇双色球分析的程序，现在应该知道为什么有时会报错了~~）

 

 

标签：content,0x8b,sequence,read,illegal,gb2312,decode,报错,page
来源： https://www.cnblogs.com/kusy/p/10847274.html