Python爬取网页requests乱码

问题描述

**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 ）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：

问题解答

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。

你的 html 对象使用的编码不对，加入一行 html.encoding = html.apparent_encoding根据实际获取的 text 推测编码，重新解码。

如果你愿意去钻，给你个参考地址：http://www.qingpingshan.com/j...

print html.content