网页爬虫 - 关于Python的编码与解码问题

问题描述

在python2中用urllib模块去请求淘宝的IP地址查询接口，返回的是一段json字符串，如下所示：

import urllibdef get_data(ip): url = 'http://ip.taobao.com/service/getIpInfo.php?ip=' + ip data = urllib.urlopen(url).read() return dataif __name__ == '__main__': result = get_data('59.151.5.5') print(result)

返回结果如下：

{'code':0,'data':{'country':'u4e2du56fd','country_id':'CN','area':'u534eu5317','area_id':'100000','region':'u5317u4eacu5e02','region_id':'110000','city':'u5317u4eacu5e02','city_id':'110100','county':'','county_id':'-1','isp':'u4e16u7eaau4e92u8054','isp_id':'100021','ip':'59.151.5.5'}}

在返回结果中，中文是以 unicode字符串表示，这样不方便阅读，我想让结果中中文部分直接用中文表示，就像下面这样：

'city':'北京'，'ISP':'中国电信'

如果是python3的话返回又是这样的：

b’{'code':0,'data':{'country':'u4e2du56fd','country_id':'CN','area':'u534eu5317','area_id':'100000','region':'u5317u4eacu5e02','region_id':'110000','city':'u5317u4eacu5e02','city_id':'110100','county':'','county_id':'-1','isp':'u4e16u7eaau4e92u8054','isp_id':'100021','ip':'59.151.5.5'}}’

请问在 python2和python3中分别该如何转码呢？

问题解答

Python3中有两个方法可以解决你的问题：

print()函数

Python3开始编码定义为UTF-8，所以你懂的，直接打印就行：

>>> print('u5317u4eacu5e02')北京市

利用Unicode数据库

有个自带的库unicodedata，可以调用这个库中的两个方法，如下：

>>> import unicodedata as u# 这段字符串是来自你给提供的内容>>> s = 'u5317u4eacu5e02'>>> s1 = ’’>>> for i in s:s1 += u.lookup(u.name(i))# 输出结果 >>> s1’北京市’

补充一下，如果单独处理字符可以用上面的方法，但是刚才回答完才发现你的返回值为byte对象，Python3中这种对象处理很简单，修改你的代码如下：

import urllib.request as rdef get_data(ip): url = 'http://ip.taobao.com/service/getIpInfo.php?ip=' + ip data = r.urlopen(url).read() return dataif __name__ == '__main__': result = get_data('59.151.5.5') print(eval(result))

我测试完的返回值是：

{’data’: {’area_id’: ’100000’, ’isp’: ’世纪互联’, ’country_id’: ’CN’, ’country’: ’中国’, ’region_id’: ’110000’, ’county_id’: ’-1’, ’ip’: ’59.151.5.5’, ’city’: ’北京市’, ’area’: ’华北’, ’county’: ’’, ’city_id’: ’110100’, ’isp_id’: ’100021’, ’region’: ’北京市’}, ’code’: 0}

希望采纳

Python 3里你可以通过decode方法把bytes转换str:

result = get_data('59.151.5.5').decode(’raw_unicode_escape’)回答3：

这样就好了＝＝

import jsonprint json.dumps(json.loads(result), ensure_ascii=False)回答4：

请使用py3