python3 requests 抓取亂碼問題

遇到此問題後 設置r.encoding='gbk'或r.encoding='gb2312'後能夠了

注意：gbk範圍要比gb2312要大，設置gbk要好

python用到中文轉拼音的一個包 xpinyin，但用pyinstaller生成exe時，運行提示缺包，沒解決

python讀取文件方式：

讀取：

file = open('setUrl.txt','r')

url = file.read()

file.close()

寫入：不存在建立，每次打開寫入時先清空再開始寫入

file = open('sql.txt','w') #‘w’是覆蓋，‘a’是追加

for i in strs:

    print(i[2])

file.write(i[2] + '\n')

file.close()

python模塊安裝方法：

進入命令行直接輸入 ：pip install 包名 

python打包exe 方法

進入程序目錄，用pyinstaller打包，輸入命令行：pyinstaller [-F] 打包python文件名.py
該方式在遷移後不能修改.py文件，不推薦，暫沒找到好方法，而且打包後運行會提示缺模塊如「queue」要在py中引入「from multiprocessing import Queue」。

python3中全局變量使用方式，主方法中聲明，調用方法中再聲明

global 變量名

def funcA():

    global 變量名

一些網站可能簡單屏蔽網頁抓取，經過設置http請求標頭，可實現抓取

    UserAgent = 'Mozilla/5.0 (Windows NT 10.0; WOW64; Trident/7.0; rv:11.0) like Gecko'
    accept = '*/*'
    acceptLanguage = 'zh-Hans-CN, zh-Hans; q=0.8, en-US; q=0.5, en; q=0.3'
    acceptEncoding = 'gzip, deflate, sdch'
    Cookie = 'AD_RS_COOKIE=20083361; _trs_ua_s_1=em41_6_j0ywubts; _gscu_1771678062=91030129ufqfm619; _gscs_1771678062=9103012938hyzj19|pv:1; _gscbrs_1771678062=1; _trs_uv=23au_6_j0ywubts'
    Host = 'www.stats.gov.cn'
    CacheControl = 'no-cache'
    Connection = 'Keep-Alive'
    headers = { 'User-Agent' : UserAgent,'accept':accept,'accept-Encoding':acceptEncoding,'Accept-Language':acceptLanguage,'Cookie':Cookie,'Host':Host,'Cache-Control' : CacheControl,'Connection':Connection}
    s = requests.Session()
    s.headers.update(headers)
    req = s.get(url)
    req.encoding='gbk'

網頁抓取 解析html

BeautifulSoup很好用，相似jquery選擇器，可替代正則表達式