golang写爬虫乱码怎么办
16lz
2021-01-22
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。
更多相关文章
- 用XML和XSL来生成动态页面
- XML创建可排序、分页的数据显示页面
- 使用xmldom在服务器端生成静态html页面
- 浅谈WEB页面工具语言XML(一)产生背景
- 浅谈WEB页面工具语言XML(三)支持工具
- 浅谈WEB页面工具语言XML(四)应用分类
- 浅谈WEB页面工具语言XML(六)展望
- 浅谈WEB页面工具语言XML(五)好处
- 使用用XML和XSL生成动态页面的代码详解