目前,如果文件需要批量处理,使用Python是爬虫网页和图片中最简单、最高效的。但在处理过程中仍存在一些细节,如爬虫中文名称和中文文件URL的处理。事实上,这是因为编码的问题。我们使用的Python3版本默认编码为utf-8。他将用utf-8编码爬虫到达的所有数据。
这样,Python3在处理文件时会爬上目标网站进行utf-8编码。如果我们爬上的目标网站是GB2312编码,不同的编码会导致乱码。那我们该怎么办?
一、授予编码
import requests
req= requests.get(\”http://example.com\”)
req_text=req.text.encode(\)latin1\.decode(\”GBK\”)
print(req_text)
第二,添加字体
参考:https://www.ywowl.com/prolan/python/2018/03/550.html
上传字体simheiii.ttf到:
/opt/python3.5/lib/python3.5/site-packages/matplotlib/mpl-data/fonts/ttf
修改matplotlibrc配置:
/opt/python3.5/lib/python3.5/site-packages/matplotlib/mpl-data/matplotlibrc
然后用Aggg代替backend的Tkagg、注释font.family : sans-serif,添加font.sans-serif : SimHei。最后清理清除~//.cache/matplotlib目录缓存。解决图片中文乱码问题。