zoukankan      html  css  js  c++  java
  • python爬虫中遇到“xb5”、“xa0”等字符时报错编码错误的处理方式

    写python爬虫是遇到编码错误 

    报错为:

    UnicodeEncodeError: 'gbk' codec can't encode character 'xa0' 

    经过多方查找发现 xa0是html网页源码中的空格

    解决方法

    替换掉字符 :replace(u'xa0', u' ')

    下面是一些html中的常见符号

    chr 

    HexCode  

    Numeric  

    HTML entity 

    "

    x22

    "

    "

    &

    x26

    &

    &

    x3C

    <

    <

    x3E

    >

    >

    空格

    xA0

     

     

    ¡

    xA1

    ¡

    ¡

    ¢

    xA2

    ¢

    ¢

    £

    xA3

    £

    £

    ¤

    xA4

    ¤

    ¤

    ¥

    xA5

    ¥

    ¥

    ¦

    xA6

    ¦

    ¦

    §

    xA7

    §

    §

    ¨

    xA8

    ¨

    ¨

    ©

    xA9

    ©

    ©

    ª

    xAA

    ª

    ª

    «

    xAB

    «

    «

    ¬

    xAC

    ¬

    ¬

     

    xAD

    ­

    ­

    ®

    xAE

    ®

    ®

    ¯

    xAF

    ¯

    ¯

    °

    xB0

    °

    °

    ±

    xB1

    ±

    ±

    ²

    xB2

    ²

    ²

    ³

    xB3

    ³

    ³

    ´

    xB4

    ´

    ´

    µ

    xB5

    µ

    µ

    xB6

    ¶

    ¶

    ·

    xB7

    ·

    ·

    ¸

    xB8

    ¸

    ¸

    ¹

    xB9

    ¹

    ¹

    º

    xBA

    º

    º

    »

    xBB

    »

    »

    ¼

    xBC

    ¼

    ¼

    ½

    xBD

    ½

    ½

    ¾

    xBE

    ¾

    ¾

    ¿

    xBF

    ¿

    ¿

    ×

    xD7

    ×

    ×

    ÷

    xF7

    ÷

    ÷

    ƒ

    u0192

    ƒ

    ƒ

    ˆ

    u02C6

    ˆ

    ˆ

    ˜

    u02DC

    ˜

    ˜

    u2002

     

     

    u2003

     

     

    u2009

     

     

     

    u200C

    ‌

    ‌

     

    u200D

    ‍

    ‍

     

    u200E

    ‎

    ‎

     

    u200F

    ‏

    ‏

    u2013

    –

    –

    u2014

    —

    —

    u2018

    ‘

    ‘

    u2019

    ’

    ’

    u201A

    ‚

    ‚

    u201C

    “

    “

    u201D

    ”

    ”

    u201E

    „

    „

    u2020

    †

    †

    u2021

    ‡

    ‡

    u2022

    •

    •

    u2026

    …

    …

    u2030

    ‰

    ‰

    u2032

    ′

    ′

    u2033

    ″

    ″

    u2039

    ‹

    ‹

    u203A

    ›

    ›

    u203E

    ‾

    ‾

    u2044

    ⁄

    ⁄

    u20AC

    €

    €

    u2111

    ℑ

    ℑ

    ?

    u2113

    ℓ

     

    u2116

    №

     

    u2118

    ℘

    ℘

    u211C

    ℜ

    ℜ

    u2122

    ™

    ™

    u2135

    ℵ

    ℵ

    u2190

    ←

    ←

    u2191

    ↑

    ↑

    u2192

    →

    →

    u2193

    ↓

    ↓

    u2194

    ↔

    ↔

    u21B5

    ↵

    ↵

    u21D0

    ⇐

    ⇐

    u21D1

    ⇑

    ⇑

    u21D2

    ⇒

    ⇒

    u21D3

    ⇓

    ⇓

    u21D4

    ⇔

    ⇔

    u2200

    ∀

    ∀

    u2202

    ∂

    ∂

    u2203

    ∃

    ∃

    u2205

    ∅

    ∅

    u2207

    ∇

    ∇

    u2208

    ∈

    ∈

    u2209

    ∉

    ∉

    u220B

    ∋

    ∋

    u220F

    ∏

    ∏

    u2211

    ∑

    ∑

    u2212

    −

    −

    u2217

    ∗

    ∗

    u221A

    √

    √

    u221D

    ∝

    ∝

    u221E

    ∞

    ∞

    u2220

    ∠

    ∠

    u2227

    ∧

    ∧

    u2228

    ∨

    ∨

    u2229

    ∩

    ∩

    u222A

    ∪

    ∪

    u222B

    ∫

    ∫

    u2234

    ∴

    ∴

    u223C

    ∼

    ∼

    u2245

    ≅

    ≅

    u2248

    ≈

    ≈

    u2260

    ≠

    ≠

    u2261

    ≡

    ≡

    u2264

    ≤

    ≤

    u2265

    ≥

    ≥

    u2282

    ⊂

    ⊂

    u2283

    ⊃

    ⊃

    u2284

    ⊄

    ⊄

    u2286

    ⊆

    ⊆

    u2287

    ⊇

    ⊇

    u2295

    ⊕

    ⊕

    u2297

    ⊗

    ⊗

    u22A5

    ⊥

    ⊥

    u22C5

    ⋅

    ⋅

    u2308

    ⌈

    ⌈

    u2309

    ⌉

    ⌉

    u230A

    ⌊

    ⌊

    u230B

    ⌋

    ⌋

    u2329

    〈

    ⟨

    u232A

    〉

    ⟩

    u25CA

    ◊

    ◊

    u2660

    ♠

    ♠

    u2663

    ♣

    ♣

    u2665

    ♥

    ♥

    u2666

    ♦

    ♦

  • 相关阅读:
    Virtual Box的一些东西
    sun 的Virtual box
    Powerdesigner的vbscript
    MemoryStream的一些问题
    vs2008 三大形象代言人
    ASP.NET学习之匿名方法
    asp.net2.0学习历程 菜鸟到中级程序员的飞跃
    ASP.NET程序员必看书
    设计模式学习扎马步
    MDI窗体改变背景
  • 原文地址:https://www.cnblogs.com/muty/p/11016406.html
Copyright © 2011-2022 走看看