Python爬取网页requests乱码

问题描述

问 题

**之前有在裁判文书上爬取数据，这段时间重新运行爬虫后发现无法获取网页数据，
找了一下发现requests网页源码返回的是乱码**

（如下截取一部分返回的数据：<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
<meta id="JLyKZlWgYjpTkAsEt9LnA" ）

不知道是不是网站对网页内容进行了加密，请问如何解决这个问题？谢谢！

截取部分程序源码：

headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.104 Safari/537.36',
        'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
        'Accept-Language': 'zh-TW,zh;q=0.8,en-US;q=0.6,en;q=0.4',
        'Accept-Encoding': 'gzip, deflate',
        'Connection': 'keep-alive',
        'Content-Type': 'text/html; charset=utf-8'}
html = requests.post('http://wenshu.court.gov.cn/List/ListContent', data=data, headers=headers)
print(html.text)

但是在审查元素里返回应该返回的数据，请问这哪里出现了问题？

之前程序正常运行时返回的数据是这样的：

解决方案

ajax 加载的结果页面，如果在 network 里获取不到类似 json 的反馈结果。就使用PHANTOMJS来模拟加载。然后匹配爬取。

这篇关于Python爬取网页requests乱码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！