最近对爬虫有点着迷,
在用bs4模块时,遇到报错:UnicodeDecodeError: 'gbk' codec can't decode byte 0xae in position 9: illegal multibyte sequence
bs4获取本地文件内容
from bs4 import BeautifulSoup
soup = BeautifulSoup(open('a.html'), 'html.parser')
print(soup.prettify()) # 打印本地文件的内容
其中,a.html的内容为:
<div>大家好</div>
<p>你好啊</p>
运行报错

上面是字符流的问题
from bs4 import BeautifulSoup
soup = BeautifulSoup(open('a.html', 'rb'), 'html.parser')
print(soup.prettify()) # 打印本地文件的内容
运行结果:

本文介绍在使用Python的bs4模块解析本地HTML文件时遇到UnicodeDecodeError错误的解决方案。通过调整open函数的参数,从默认的'gbk'编码更改为'rb'二进制读取模式,成功避免了编码问题,实现了对本地文件内容的正确解析。

357

被折叠的 条评论
为什么被折叠?



