golang写爬虫乱码怎么办
在用golang编写爬虫程序时,会碰见编码格式gb2312的页面。
网页页面上可以看出该页面字符编码为gb2312
<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />
而golang默认是支持UTF-8编码格式的,这样直接爬下来的结果会乱码。
解决方法:
使用 github.com/axgle/mahonia 这个包可以完成编码转换、
1、执行 go get github.com/axgle/mahonia 命令下载此包后,在%gopath%/src目录下会生产
github.com\axgle\mahonia
2、代码使用方法
1)导入包
import "github.com/axgle/mahonia"
2)转换函数
func ConvertToString(src string, srcCode string, tagCode string) string {
srcCoder := mahonia.NewDecoder(srcCode)
srcResult := srcCoder.ConvertString(src)
tagCoder := mahonia.NewDecoder(tagCode)
_, cdata, _ := tagCoder.Translate([]byte(srcResult), true)
result := string(cdata)
return result
}
3)在需要字符串转换编码的位置调用此函数
result = ConvertToString(html, "gbk", "utf-8")
更多golang知识请关注PHP中文网golang教程栏目。
以上就是golang写爬虫乱码怎么办的详细内容,更多请关注php中文网其它相关文章!
声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn核实处理。
程序员必备接口测试调试工具:点击使用
Apipost = Postman + Swagger + Mock + Jmeter
Api设计、调试、文档、自动化测试工具
网页生成APP,用做网站的技术去做APP:立即创建
手机网站开发APP、自助封装APP、200+原生模块、2000+映射JS接口按需打包
相关文章
相关视频