Python报错：UnicodeEncodeError 'gbk' codec can't encode character

今天在使用Python文件处理写网络上爬取的文件的时候，遇到了错误：UnicodeEncodeError: ‘gbk’ codec can’t encode character ‘\xa0’ in position … 这个问题。

代码：

import urllib.request  #等价与from urllib import request

response = urllib.request.urlopen("http://www.baidu.com")
print("查看response响应的类型",type(response))
page_contect = response.read()
with open(r'C:\Users\PINPIN\Desktop\docx\123.txt','w+') as f1:
    f1.write(page_contect.decode('utf-8'))

出现错误：

查看response响应的类型 <class 'http.client.HTTPResponse'>

Traceback (most recent call last):

File "C:\Users\PINPIN\Desktop\docx\url_test.py", line 6, in <module>

f1.write(page_contect.decode('utf-8'))

UnicodeEncodeError: 'gbk' codec can't encode character '\xbb' in position 29150: illegal multibyte sequence

出现问题的原因：在windows下面，新文件的默认编码是gbk，这样的话，python解释器会用gbk编码去解析我们的爬取的网络数据流，然而数据流此时已经是decode过的unicode编码，这样的话就会导致解析不了。

解决的办法：改变目标文件的编码即可

在打开文件时，指定文件编码格式：encode=’utf-8’

with open(r'C:\Users\PINPIN\Desktop\docx\123.txt','w+',encode=’utf-8’) as f1:

另外：网络数据流的编码，比如获取网页，网络数据流的编码就是网页的编码。需要使用decode解码成unicode编码。否则也会报错哦：TypeError: write() argument must be str, not bytes

f1.write(page_contect.decode('utf-8'))所以在这里需要进行解码decode('utf-8')

来源：oschina

链接：https://my.oschina.net/u/4292797/blog/3683597

标签

docx

python

Sequence