如何处理来自 urllib.request.urlopen() 的响应编码，以避免 TypeError: can't use a string pattern on a bytes-like object [英] How to handle response encoding from urllib.request.urlopen() , to avoid TypeError: can't use a string pattern on a bytes-like object

问题描述

我正在尝试使用 urllib.request.urlopen() 打开一个网页，然后使用正则表达式进行搜索，但是出现以下错误:

I'm trying to open a webpage using urllib.request.urlopen() then search it with regular expressions, but that gives the following error:

TypeError: 不能在类似字节的对象上使用字符串模式

TypeError: can't use a string pattern on a bytes-like object

我明白为什么，urllib.request.urlopen() 返回一个字节流，所以 re 不知道要使用的编码.在这种情况下我该怎么办?有没有办法在 urlrequest 中指定编码方法，或者我是否需要自己重新编码字符串?如果是这样，我想做什么，我假设我应该从标头信息或编码类型(如果在 html 中指定)中读取编码，然后将其重新编码为该编码?

I understand why, urllib.request.urlopen() returns a bytestream, so re doesn't know the encoding to use. What am I supposed to do in this situation? Is there a way to specify the encoding method in a urlrequest maybe or will I need to re-encode the string myself? If so what am I looking to do, I assume I should read the encoding from the header info or the encoding type if specified in the html and then re-encode it to that?

推荐答案

您只需要解码响应，使用 Content-Type 标头通常是最后一个值.教程中也有一个例子.

You just need to decode the response, using the Content-Type header typically the last value. There is an example given in the tutorial too.

output = response.decode('utf-8')

这篇关于如何处理来自 urllib.request.urlopen() 的响应编码，以避免 TypeError: can't use a string pattern on a bytes-like object的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！